相机畸变主要是由于透镜成像原理导致的,其畸变的原理可以参考相机模型,它的畸变按照原理可以分解为切向畸变和径向畸变。

畸变校正

opencv提供了可以直接使用的矫正算法，即通过calibrate Camera()得到的畸变系数，生成矫正后的图像。我们可以通过undistort()函数一次性完成；也可以通过initUndistortRectifyMap()和remap()的组合来处理。

1、initUndistortRectifyMap()和remap()

void initUndistortRectifyMap( InputArray cameraMatrix,

InputArray distCoeffs,

InputArray R,

InputArray newCameraMatrix,

Size size,

int m1type,

OutputArray map1,

OutputArray map2 );

函数功能：计算无畸变和修正转换映射。

参数说明：

函数说明：

这个函数用于计算无畸变和修正转换关系，为了重映射，将结果以映射的形式表达。无畸变的图像看起来就像原始的图像，就像这个图像是用内参为newCameraMatrix的且无畸变的相机采集得到的。

在单目相机例子中，newCameraMatrix一般和cameraMatrix相等，或者可以用cv::getOptimalNewCameraMatrix来计算，获得一个更好的有尺度的控制结果。

在双目相机例子中，newCameraMatrix一般是用cv::stereoRectify计算而来的，设置为P1或P2。 此外，根据R，新的相机在坐标空间中的取向是不同的。例如，它帮助配准双目相机的两个相机方向，从而使得两个图像的极线是水平的，且y坐标相同(在双目相机的两个相机谁水平放置的情况下)。 该函数实际上为反向映射算法构建映射，供反向映射使用。也就是，对于在已经修正畸变的图像中的每个像素(u,v)，该函数计算原来图像(从相机中获得的原始图像)中对应的坐标系。

介绍下getOptimalNewCameraMatrix()函数。

getOptimalNewCameraMatrix(cv::InputArray cameraMatrix,

cv::InputArray distCoeffs,

cv::Size imgSize,

double alpha,

cv::Size newImgSize,

cv::Rect* validPixROI,

bool centerPrincipalPoint)

alpha之后的参数都可以视为默认。在getOptimalNewCameraMatrix()函数中，有上述一段代码，意思是从内参/畸变系数中得到两个inner和outer矩阵，当alpha为0时，取inner即内矩阵，用内矩阵大小作为新的图像大小，重新得到fx,fy,cx,cy，因此新的内参矩阵诞生了. 当alpha为1时，取outer即外矩阵。当alpha介于0~1时，则按照比例重新计算fx,fy,cx,cy。

函数输出得到map1和map2,然后使用remap()函数：

void remap( InputArray src,

OutputArray dst,

InputArray map1,

InputArray map2,

int interpolation,

int borderMode=BORDER_CONSTANT,

const Scalar& borderValue=Scalar());

第一个参数：输入图像，即原图像，需要单通道8位或者浮点类型的图像

第二个参数：输出图像，即目标图像，需和原图形一样的尺寸和类型

第三个参数：它有两种可能表示的对象：(1)表示点(x,y)的第一个映射；(2)表示CV_16SC2，CV_32FC1等

第四个参数：它有两种可能表示的对象：(1)若map1表示点(x,y)时，这个参数不代表任何值；(2)表示                                     CV_16UC1，CV_32FC1类型的Y值

第五个参数：插值方式，有四种插值方式：

(1)INTER_NEAREST——最近邻插值

(2)INTER_LINEAR——双线性插值(默认)

(3)INTER_CUBIC——双三样条插值(默认)

(4)INTER_LANCZOS4——lanczos插值(默认)

第六个参数：边界模式，默认BORDER_CONSTANT

第七个参数：边界颜色，默认Scalar()黑色

2、undistort()函数

void undistort( InputArray src, //输入原图

OutputArray dst,//输出矫正后的图像

InputArray cameraMatrix,//内参矩阵

InputArray distCoeffs,//畸变系数

InputArray newCameraMatrix=noArray() );

有时不需要矫正整个图像，而仅仅计算图像中特定点的位置，这是可以使用undistortPoints函数：

void undistortPoints( InputArray src,

OutputArray dst,

InputArray cameraMatrix,

InputArray distCoeffs,

InputArray R=noArray(),

InputArray P=noArray());

undistortPoints函数与undistort()的区别在于：参数src,dst是二维点的向量，std::vector<:point2f> ，P对应cameraMatrix。该参数与立体校正方面的使用有关。调用方式：

void undistortPoints(inputDistortedPoints,

outputUndistortedPoints,

cameraMatrix,

distCoeffs,

cv::noArray(),

cameraMatrix);

3、Python程序

### 函数引用方法

def getUndistortRectifyMap(self, imgWidth, imgHeight):

if self.mapx is not None and self.mapx.shape == (imgHeight, imgWidth):

return self.mapx, self.mapy

mtx = self.coeffs['cameraMatrix']

dist = self.coeffs['distortionCoeffs']

(newCameraMatrix, self.roi) = cv2.getOptimalNewCameraMatrix(mtx,

dist, (imgWidth,

imgHeight), 1,

(imgWidth, imgHeight))

self.mapx, self.mapy = cv2.initUndistortRectifyMap(mtx,

dist, None, newCameraMatrix,

(imgWidth, imgHeight), cv2.CV_32FC1)

return self.mapx, self.mapy

import numpy as np

import cv2

import matplotlib.pyplot as plt

image = cv2.imread('/home/zhy/Documents/Perception/Lanelinedetection/DNN/LaneNet/lanenet-lane-detection'

'/data/tusimple_test_image/chessbord690.JPG', cv2.IMREAD_COLOR)

gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)

h, w = image.shape[:2] # a (1 to see the whole picture)

dist = np.array([-0.13615181, 0.53005398, 0, 0, 0]) # no translation

mtx = np.array([(1079.2921262026000022, 0.0000000000000000, 918.6822518287709727), (0.0000000000000000,

1082.8921320173517415,

555.5723432905268737),

(0.0000000000000000, 0.0000000000000000, 1.0000000000000000)])

newcameramtx, roi = cv2.getOptimalNewCameraMatrix(mtx, dist, (w, h), 1, (w, h))

if np.size(roi) == 4 and np.mean(roi) != 0:

# undistort

mapx, mapy = cv2.initUndistortRectifyMap(mtx, dist, None, newcameramtx, (w, h), 5)

x, y, w, h = roi

n = 0

f = open('remp_x.txt', 'w+')

for i in range(877):

for j in range(1606):

if n % 4 != 0:

strNum = mapx[i][j] # 每行

f.write(str(strNum))

f.write(',')

else:

f.write('\n')

f.write(' ')

strNum = mapx[i][j] # 每行

f.write(str(strNum))

f.write(',')

n += 1

f.write('\n')

f.close()

#crop the image

dst = cv2.remap(image, mapx, mapy, cv2.INTER_LINEAR)

#dst = cv2.cvtColor(dst, cv2.COLOR_RGB2BGR)

plt.figure('dst')

plt.imshow(dst)

cv2.imwrite('result.jpg', dst)

4、C++程序

#include

#include

#include

using namespace std;

using namespace cv;

int main()

{ image=cv::imread("/home/zhy/Documents/Perception/camera_data/lane_image/0000.JPG");

cv::cvtColor(image,image, CV_BGR2GRAY);

cv::Mat cameraMatrix = Mat::eye(3, 3, CV_64F);

//内参矩阵, 就算复制代码，也不要用我的参数。摄像头都不一样...

cameraMatrix.at(0, 0) =1079.2921262026000022;

cameraMatrix.at(0, 1) = 0;

cameraMatrix.at(0, 2) = 918.6822518287709727;

cameraMatrix.at(1, 1) = 1082.8921320173517415;

cameraMatrix.at(1, 2) = 555.5723432905268737;

//畸变参数，不要用我的参数~

Mat distCoeffs = Mat::zeros(5, 1, CV_64F);

distCoeffs.at(0, 0) = -0.1318412926647311;

distCoeffs.at(1, 0) = -0.0036319330386551;

distCoeffs.at(2, 0) = -0.0036319330386551;

distCoeffs.at(3, 0) = -0.0037894134236598;

distCoeffs.at(4, 0) = -0.000074821933;

Mat view, rview, map1, map2;

Size imageSize;

imageSize = image.size();

initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(),getOptimalNewCameraMatrix(cameraMatrix, distCoeffs, imageSize, 1, imageSize, 0), imageSize, CV_32FC1, map1, map2);

//remap(image, image, map1, map2, INTER_LINEAR);

std::string fileName = "rmp_x.txt" ;

int n=0;

std::ofstream outfile( fileName.c_str() ) ; // file name and the operation type.

for(int i=0; i

for(int j=0; j

if (n%4!=0)

outfile<(i,j)<

else

outfile<(i,j)<

n=n+1;

}

outfile << std::endl ; // a newline after storing all the values of a line of the img

}

outfile.close();

return 0;

}

原文链接:https://blog.csdn.net/zhngyue123/article/details/105900938