编写 Python 代码，要求先将图像进行扩展（上下左右各扩展若干个像素，保证变换后图像信息不丢失），然后对图像进行仿射变换（需要调试参数），最后使用相反的仿射变换将畸变的图像进行校正。结果展示部分应至少包含原图、扩展后的图像、仿射变换图像、仿射校正图像。

在Python中，我们可以使用PIL（Pillow）库来进行图像处理，包括扩展、仿射变换以及校正。以下是一个简单的示例，展示了如何完成这个任务：

from PIL import Image, ImageFilter, ImageOps

# 读取原始图像
img = Image.open('original_image.jpg')

# 扩展图像
padding_amount = 50  # 可以调整扩展像素的数量
extended_img = img.resize((img.width + 2 * padding_amount, img.height + 2 * padding_amount))
extended_img = extended_img.crop((padding_amount, padding_amount, img.width + padding_amount, img.height + padding_amount))

# 对扩展后的图像进行仿射变换，这里我们假设有一个预设的变换矩阵transform_matrix
transformed_img = extended_img.transform(img.size, Image.AFFINE, transform_matrix)

# 调试和校正仿射变换
# 变换矩阵通常用于缩放、旋转等操作，如果扭曲过厉害，可能需要手动调整矩阵参数或使用更复杂的校正算法
# 可能的情况有：
# 1. 使用图像纠正工具（如ImageChops.invert() 或者 OpenCV 的 warpPerspective()）
# 2. 根据图像特征识别和匹配来进行校准

# 例如，尝试使用逆色差校正：
corrected_transformed_img = ImageOps.invert(transformed_img)

# 保存每个步骤的结果
img.save('original.png')
extended_img.save('extended.png')
transformed_img.save('affine_transformed.png')
corrected_transformed_img.save('affine_corrected.png')

# 显示图片
img.show()
extended_img.show()
transformed_img.show()
corrected_transformed_img.show()