Python OpenCV:Undersort（对于图像）和UndersortPoints不一致

对于测试，我生成一个网格图像作为矩阵，再次生成网格点作为点阵列：

这表示“扭曲”的相机图像以及一些特征点。 现在取消对图像和栅格点的扭曲时，会得到以下结果：

（请注意，“失真”图像是直的，而“未失真”图像是变形的，这不是重点，我只是用一个直的测试图像来测试未失真函数。）

栅格图像和红色栅格点现在完全未对齐。我在谷歌上搜索发现，有些人忘记在不失真点中指定“新相机矩阵”参数，但我没有。文档中也提到了标准化，但当我使用身份矩阵作为相机矩阵时，仍然存在问题。而且，在中部地区，它非常适合

为什么这不一样，我用错了东西吗

我在Python中使用cv2（4.1.0）。以下是测试代码：

将numpy作为np导入
将matplotlib.pyplot作为plt导入
进口cv2
w=401
h=301
#助手
#--------
def绘图图像和点（im、pu、pv）：
plt.imshow（im，cmap=“灰色”）
plt.散射（pu，pv，c=“红色”，s=16）
plt.xlim（0，w）
plt.ylim（0，h）
plt.show（）
def cv2_不失真点（uSrc、vSrc、cameraMatrix、DistCoefs）：
uvSrc=np.array（[np.matrix（[uSrc，vSrc]）.transpose（）]，dtype=“float32”）
uvDst=cv2。不失真点（uvSrc、cameraMatrix、Distceffs、None、cameraMatrix）
uDst=[uv[0]表示uvDst[0]中的uv
vDst=[uv[1]表示uvDst中的uv[0]]
返回uDst、vDst
#测试数据
#----------
#生成网格图像
img=np.one（（h，w），dtype=“float32”）
img[0:：20，：]=0
img[：，0:：20]=0
#生成网格点
uPoints，vPoints=np.meshgrid（范围（0，w，20），范围（0，h，20），索引='xy'）
uPoints=uPoints.flatte（）
vPoints=vPoints.flatte（）
#查看点是否与图像对齐
plotImageAndPoints（img、uppoints、vPoints）#完美！
#分别取消图像和点的扭曲
#---------------------------------------------
#摄像机矩阵参数
fx=1
fy=1
cx=w/2
cy=h/2
#畸变参数
k1=0.00003
k2=0
p1=0
p2=0
#转换为opencv
mtx=np矩阵([
[fx，0，cx]，
[0，fy，cy]，
[ 0,  0,  1]
]，dtype=“float32”）
dist=np.数组（[k1，k2，p1，p2]，dtype=“float32”）
#不失真图像
imgUndist=cv2.不失真（img、mtx、dist）
#不失真点
uPointsUndist，vPointsUndist=cv2_不失真点（uPoints，vPoints，mtx，dist）
#测试它们是否仍然匹配
绘图图像和点（imgUndist、uPointsUndist、vPointsUndist）#糟透了！

感谢您的帮助