Python 如何将非矩形网格拟合到x和y坐标的样本？

我想做一个查找表，用于解扭曲投影到圆顶内部的给定图像。这个装置看起来有点像，但（对于老鼠来说）更小。我收集了一组点，这些点定义了圆顶内部均匀分布点的低分辨率网格

以下是坐标：

[（744498）， (721, 526), (686, 541), (649, 543), (598, 537), (561, 519), (546, 495), (479, 541), (436, 600), (442, 654), (500, 682), (577, 701), (639, 708), (694, 707), (786, 684), (844, 659), (854, 596), (813, 538), (520, 566), (485, 627), (582, 589), (569, 652), (644, 593), (643, 659), (702, 591), (711, 653), (750, 569), （774633）]

以下是网格的外观：

我想创建一个与实际显示（720x1280）大小相同的网格，以适合我收集的坐标。有没有一种方法可以将非矩形网格“适配”到这样的一组点上，如果有，如何用Python实现这种方法

编辑：

多亏了@bogovicj，我才能够解决这个问题（我想）。解决方案如下

# image transformation
from skimage import transform as tf
src = <x and y coordinates from source grid>
dst = <x and y coordinates from the destination grid>
tform =tf.estimate_transform(ttype='piecewise-affine', src=src, dst=dst)
base_image = <some image of the shape 720 rows by 1280 columns>
warped_image = tf.warp(base_image, inverse_map=tform.inverse)

# plot the results
from matplotlib import pylab as plt
fig, (ax1, ax2) = plt.subplots(ncols=2)
ax1.imshow(base_image, cmap='gray')
ax1.scatter(src[:,0], src[:,1], color='r', marker='+', s=100)
ax2.imshow(warped_image, cmap='gray')
ax2.scatter(dst[:,0], dst[:,1], color='r', marker='+', s=100)

图像变换 从skipage导入转换为tf src= dst= tform=tf.estimate_变换（ttype='pieclewise-affine'，src=src，dst=dst） 基本图像= 扭曲的图像=tf.warp（基础图像，反向映射=tform.reverse） #绘制结果 从matplotlib导入pylab作为plt 图（ax1，ax2）=plt.子批次（ncols=2） ax1.imshow（基本图像，cmap='gray'） ax1.scatter（src[：，0]，src[：，1]，color='r'，marker='+'，s=100） ax2.imshow（扭曲的_图像，cmap='gray'） ax2.散点（dst[：，0]，dst[：，1]，color='r'，marker='+'，s=100）

---

变换估计在处理目标网格顶部的凹度时似乎有点困难，但除此之外，它看起来很棒，并且可能会随着更高分辨率的源/目标网格而改善。

@您的问题似乎是“如何解决径向失真问题”，使用深度学习可以找到一个实用的解决方案。您是否希望将区域边界映射到矩形图像的边界？七个点的四个“弧”应该映射到平行的水平线？这可能会有所帮助：@bogovicj，是的，这正是我想要做的（很抱歉，这个问题不清楚）。这看起来很有希望。这种方法看起来很有希望。我明天会尝试一下，如果成功的话，我会编辑我的帖子，加入解决方案。太好了！是的，我希望分段仿射能表现得更好。Scipy还有一些scikit图像没有的插值选项，可以试试这些吗？也许三次样条曲线或薄板样条曲线会更好？