python-opencv warpPerspective warpAffine 通过透视变化、仿射变化中的矩阵计算变换后的点

1、warpPerspective warpAffine的使用

详见：https://blog.csdn.net/qq_27261889/article/details/80720359

2、原理分析

主要是得到一个3*3的矩阵M，在计算的时候，通过目标点去找原图的点，进行采样

官方文档可见：https://docs.opencv.org/2.4/modules/imgproc/doc/geometric_transformations.html#warpperspective

通过Opencv自带的warpPerspective warpAffine很容易对一副图片进行变换。但是为了可视化，你也许想知道某个点通过了这种变化后到了那儿。由原理分析可见，通过解上述方程即可。

3、代码

    def reCalculateBBS(self,BBS,M):
        M = np.transpose(M)
        for i in range(len(BBS)):
            k1=BBS[i]
            # x=((M[1][1]-M[2][1]*y0)*(M[2][2]*x0-M[0][2])-
            # (M[0][1]-M[2][1]*x0)*(M[2][2]*y0-M[1][2]))/((M[1][1]-M[2][1]*y0)*(M[0][0]-M[2][0]*x0)-
            # (M[0][1]-M[2][1]*x0)*(M[1][0]-M[2][0]*y0))

            # y=((M[1][0]-M[2][0]*y0)*(M[2][2]*x0-M[0][2])-
            # (M[0][0]-M[2][0]*x0)*(M[2][2]*y0-M[1][2]))/((M[1][0]-M[2][0]*y0)*(M[0][1]-M[2][1]*x0)-
            # (M[0][0]-M[2][0]*x0)*(M[1][1]-M[2][1]*y0))
            
            x = (k1[0]*M[0][0]+k1[1]*M[1][0]+M[2][0])/(k1[0]*M[0][2]+k1[1]*M[1][2]+M[2][2])
            y = (k1[0]*M[0][1]+k1[1]*M[1][1]+M[2][1])/(k1[0]*M[0][2]+k1[1]*M[1][2]+M[2][2])
            # print(k1[0],k1[1],"to",x,y)
            BBS[i]=(x,y)

        return BBS
    
    def reCalculateRotatedBBS(self,BBS,M):
        # M = np.transpose(M)
        for i in range(len(BBS)):
            x0,y0=BBS[i]
            x = M[0][0]*x0+M[0][1]*y0+M[0][2]
            y = M[1][0]*x0+M[1][1]*y0+M[1][2]
            BBS[i]=(x,y)

        return BBS