### 映射调整大小后的图像点坐标到原始图像 当在OpenCV中对图像进行缩放操作时，任何基于像素位置的操作都需要考虑这种变化的影响。如果一张图像是通过`cv.resize()`方法放大或缩小，则其上的特定点的位置也会相应改变。 对于从已处理过的图像返回至原始尺寸的情况，假设有一个点P(x', y')位于经过resize之后的新图像上，要找到它对应于原图中的位置(P'(x, y))可以通过下面的方式计算： 设原图为W×H大小，新图变为w×h大小；那么有如下关系成立： \[ \frac{x'}{w}=\frac{x}{W},\quad\frac{y'}{h}=\frac{y}{H}\] 因此， \[ x=x'\times(\frac{W}{w}),\qquad y=y'\times(\frac{H}{h})\][^2] 这里需要注意的是，在实际编程实现过程中，由于浮点数运算可能导致精度损失，所以最好采用四舍五入的方式来获得最接近的真实坐标的整数值。 ```python import cv2 import numpy as np def map_resized_point_to_original(resized_img, orig_size, resized_pt): # 获取原始图像和调整大小后的图像宽度高度 (orig_w, orig_h), (resized_w, resized_h) = orig_size[:2], resized_img.shape[:2] # 计算转换比率 ratio_x = float(orig_w)/float(resized_w) ratio_y = float(orig_h)/float(resized_h) # 将调整大小后的点映射回原始图像空间 mapped_x = int(round(resized_pt[0]*ratio_x)) mapped_y = int(round(resized_pt[1]*ratio_y)) return (mapped_x, mapped_y) # 示例代码片段展示如何使用上述定义的功能 original_image = cv2.imread('path/to/original/image.jpg') new_dimensions = (int(original_image.shape[1]/2), int(original_image.shape[0]/2)) # 缩放到一半大小 resized_image = cv2.resize(original_image, new_dimensions) point_on_resized = (50, 75) # 假定这是我们在缩小版图片里感兴趣的某个点 corresponding_orig_point = map_resized_point_to_original(resized_image, original_image.shape, point_on_resized) print(f"The corresponding point on the original image would be approximately {corresponding_orig_point}.") ```