如何使用单应/仿射变换或任何其他方式实现逼真的文本嵌入？

Question

我正在尝试执行该文件

“有效和深度网络培训的场景文本综合”，给定here in this link。

他们在那里使用了上下文相关的几何对齐方式，即通过单应性变换区域，然后嵌入文本，然后再次使用反向单应性将其变换回原样。如何达到相同的目的？

通过这张图片可以理解算法步骤！

他们已经要求使用随机的单应性参数，但是我认为必须预先确定单应性矩阵，但我还是进行了相应的尝试，

h = np.random.random((3,3))
im_out = cv2.warpPerspective(img, h, (233,217))

但是它不会产生任何可行的结果。