给定四个点坐标，如何用python根据这四个点坐标在原图上切出来

假设给定的四个点坐标是 $(x_0, y_0)$、$(x_1, y_1)$、$(x_2, y_2)$ 和 $(x_3, y_3)$，其中 $(x_0, y_0)$ 表示左上角的点，$(x_1, y_1)$ 表示右上角的点，$(x_2, y_2)$ 表示右下角的点，$(x_3, y_3)$ 表示左下角的点。那么可以按照以下步骤在原图上切出来：

1. 读入原图像，假设存储在变量 `img` 中。
2. 将四个点的坐标组成一个数组，假设存储在变量 `pts` 中。
3. 根据 `pts` 中的坐标，计算出一个包围四个点的最小矩形，假设矩形的左上角坐标为 $(x, y)$，宽度为 `w`，高度为 `h`。
4. 利用 `cv2.getPerspectiveTransform()` 函数计算出一个透视变换矩阵 `M`，该矩阵可以将原图像中的矩形区域变换到一个新的矩形区域中。
5. 利用 `cv2.warpPerspective()` 函数对原图像进行透视变换，将矩形区域切出来并保存到一个新的数组中。

下面是代码示例：

import cv2
import numpy as np

# 读入原图像
img = cv2.imread('original_image.jpg')

# 定义四个点的坐标
pts = np.array([(x0, y0), (x1, y1), (x2, y2), (x3, y3)], dtype=np.float32)

# 计算最小矩形
xmin = np.min(pts[:, 0])
xmax = np.max(pts[:, 0])
ymin = np.min(pts[:, 1])
ymax = np.max(pts[:, 1])
w = xmax - xmin
h = ymax - ymin

# 计算透视变换矩阵
src_pts = pts - np.array([xmin, ymin])
dst_pts = np.array([(0, 0), (w, 0), (w, h), (0, h)], dtype=np.float32)
M = cv2.getPerspectiveTransform(src_pts, dst_pts)

# 对原图像进行透视变换
dst_img = cv2.warpPerspective(img, M, (w, h))

其中 `(x0, y0)`、`(x1, y1)`、`(x2, y2)` 和 `(x3, y3)` 分别表示四个点的坐标。注意，这里假设四个点的顺序是按照顺时针方向给出的，如果是逆时针方向，则需要先将其调整为顺时针方向。