解释一下这段代码，并每一句给出注释：def get_crop_img(img_path, mkpts): if len(mkpts) < 10: # sanity check return None, None img = cv2.imread(img_path) im_h, im_w, _ = img.shape min_x, min_y = np.amin(mkpts[:, 0]), np.amin(mkpts[:, 1]) max_x, max_y = np.amax(mkpts[:, 0]), np.amax(mkpts[:, 1]) left, top, right, bottom = min_x, min_y, max_x, max_y pad = 4 x = max(0, int(left - pad)) xr = min(im_w-1, math.ceil(right + pad)) y = max(0, int(top - pad)) yb = min(im_h-1, math.ceil(bottom + pad)) crop_img = img[y:yb, x:xr] h_crop, w_crop = crop_img.shape[:2] if min(h_crop, w_crop) < 10: return None, None shift_xy = (x, y) return crop_img, shift_xy

这段代码定义了一个名为 `get_crop_img` 的函数，该函数接受两个参数：图像路径和一组关键点（`mkpts`）。

def get_crop_img(img_path, mkpts):

在函数的开头，进行了一个简单的检查，以确保 `mkpts` 中至少有10个点，否则函数将返回空值。

    if len(mkpts) < 10:  # sanity check
        return None, None

然后，通过OpenCV的 `imread()` 函数读取图像，并获取图像的高度和宽度。

    img = cv2.imread(img_path)
    im_h, im_w, _ = img.shape

接下来，找到 `mkpts` 中最小和最大的 x 和 y 坐标，并将它们分别存储在 `min_x`，`min_y`，`max_x` 和 `max_y` 变量中。

    min_x, min_y = np.amin(mkpts[:, 0]), np.amin(mkpts[:, 1])
    max_x, max_y = np.amax(mkpts[:, 0]), np.amax(mkpts[:, 1])

然后，这些坐标被用来计算出需要截取的图像的左、上、右和下的像素坐标。

    left, top, right, bottom = min_x, min_y, max_x, max_y

为了确保能截取到关键点周围的上下文信息，`pad` 像素被添加到左、上、右和下的坐标。

    pad = 4
    x = max(0, int(left - pad))
    xr = min(im_w-1, math.ceil(right + pad))
    y = max(0, int(top - pad))
    yb = min(im_h-1, math.ceil(bottom + pad))

使用这些计算出来的坐标，可以通过切片操作来截取需要的图像。

    crop_img = img[y:yb, x:xr]

最后，返回截取的图像和一个元组，该元组包含左上角的偏移量 `(x, y)`，以便在原始图像中重新定位截取的图像。

    h_crop, w_crop = crop_img.shape[:2]
    if min(h_crop, w_crop) < 10:
        return None, None
    shift_xy = (x, y)
    return crop_img, shift_xy