这是这个问题的延续：Finding Squares in Image
我在那里按照我的答案中的步骤操作：https ://dsp.stackexchange.com/a/7526/818 ，我得到了如下给出的答案：
但是在那个答案的最后，我已经解释了一个问题，这就是我的问题。
解释 ：
我已经有了上一个链接中步骤 1 中检测到的正方形的质心（这些检测到的正方形在下面的 mask_image 中标记）：
我创建了如下网格图像（我也知道它们的质心值）：
我还发现网格图像中的哪个点映射到 mask_image 中的对应点。
有了这些信息，我应用了 scipy.interpolate.griddata()，然后是 OpenCV 的 cv2.remap() 函数。
其结果如下：
如您所见，除了中心的两个正方形外，所有正方形都被剪裁了。就像，输出仅包含连接 mask_image 的所有质心的边界内的区域。
下面的场景变得更糟：
当第一步没有检测到最后一个正方形（黄色）或四个角的任何其他正方形时，情况会更糟。考虑未检测到最后一个。然后下面是我得到的结果，你可以在底部看到一个斜切（用黄色标记）：
问题 ：
为什么重新映射功能不能超出我给出的点？我应该怎么做才能在不剪裁的情况下重新映射它？
我认为即使我给出一些不在边缘的点，它也适用于完整图像。
预期输出：
以下是我在操作结束时预期的输出。（红色边界内的区域是我现在实际得到的）
寻找一些好的建议...
更新 ：
我也在这里添加代码。仅添加重新映射零件代码。完整代码太大，无法在此处添加：
# ideal - the grid image - http://i.stack.imgur.com/3QudG.png
# centroids - list of centroids of the squares in mask_image - http://i.stack.imgur.com/jh6bQ.png
# match_pts - list of centroids of the squares in grid image corresponding to squares in mask_image
# warped - the final image obtained after remap - http://i.stack.imgur.com/O26ZA.png
grid_x,grid_y = np.meshgrid(np.arange(ideal.shape[1]),np.arange(ideal.shape[0]))
dst = np.array(centroids)
src = np.array(match_pts)
grid_z = griddata(dst,src,(grid_x,grid_y),method='cubic')
map_x_32 = grid_z[:,:,0].astype('float32')
map_y_32 = grid_z[:,:,1].astype('float32')
warped = cv2.remap(ideal, map_x_32, map_y_32, cv2.INTER_CUBIC)
还添加了centroids，match_pts等数据，如果有人想尝试，他们可以直接使用数据而不是从图像中找到它：gist.github.com/4540887
