Python 如何在WraptTransform后找到一个点？

在透视之前，我在原始图像下找到了一组坐标/点，如何在经过透视校正的现在裁剪和校正的图像中获得相应的点

例如：

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

img = cv.imread('sudoku.png')
rows,cols,ch = img.shape
pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])

point = np.array([[10,10]])

M = cv.getPerspectiveTransform(pts1,pts2)
dst = cv.warpPerspective(img,M,(300,300))

plt.subplot(121),plt.imshow(img),plt.title('Input')
plt.subplot(122),plt.imshow(dst),plt.title('Output')

---

如何将img映射中的新坐标[10,10]获取到dst图像？

您必须执行与图像相同的变换（数学上）。在这种情况下，它意味着使用（注意，输入需要每个点有一行、一列和两个通道——第一个是X，第二个是Y坐标）

---

此函数将变换所有输入点，不执行剪切和剪切。您将需要对转换后的坐标进行后期处理，并丢弃位于裁剪区域之外的坐标。在您的情况下，您希望保留

（0）在坐标上应用相同变换的点。（即
cv2.perspectiveTransform
）不perspectiveTransform不知道从何处裁剪图像？我更新了我的问题，以显示我想要的内容。请您也附上一个输入图像示例（或它来自何处的链接）？（哦，我猜是OpenCV样本中的一个，对吗？）是的，我从OpenCV样本数据中获取图像。对。
perspectiveTransform
不会进行任何剪裁，因此您必须对变换后的坐标进行后处理，并丢弃掉裁剪区域之外的坐标——在您的情况下，您将保留
（0）的点
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

img = cv.imread('sudoku.png')
rows,cols,ch = img.shape
pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])

points = np.float32([[[10, 10]], [[116,128]], [[254,261]]])

M = cv.getPerspectiveTransform(pts1,pts2)
dst = cv.warpPerspective(img,M,(300,300))

# Transform the points
transformed = cv.perspectiveTransform(points, M)

# Perform the cropping -- filter out points that are outside the crop area
cropped = []
for pt in transformed:
    x, y = pt[0]
    if x >= 0 and x < dst.shape[1] and y >= 0 and y < dst.shape[0]:
        print "Valid point (%d, %d)" % (x, y)
        cropped.append([[x,y]])
    else:
        print "Out-of-bounds point (%d, %d)" % (x, y)

# Turn it back into a single numpy array
cropped = np.hstack(cropped)

# Visualize
plt.subplot(121)
plt.imshow(img)
for pt in points:
    x, y = pt[0]
    plt.scatter(x, y, s=100, c='red', marker='x')

plt.title('Input')

plt.subplot(122)
plt.imshow(dst)
for pt in transformed:
    x, y = pt[0]
    plt.scatter(x, y, s=100, c='red', marker='x')

plt.title('Output')

plt.show()

Out-of-bounds point (-53, -63)
Valid point (63, 67)
Valid point (192, 194)