使用

01.简介

当我们使用的鱼眼镜头视角大于160°时，

如果小伙伴也遇到了类似情况，那么这篇文章可能会对大家有一定的帮助。

从3.0版开始，OpenCV包含了cv2.fisheye可以很好地处理鱼眼镜头校准的软件包。但是，该模块没有针对读者的相关的教程。

02.相机参数获取

校准镜头其实只需要下面2个步骤。

利用OpenCV计算镜头的2个固有参数。OpenCV称它们为K和D，我们只需要知道它们是numpy数组外即可。

通过K和D对图像进行去畸变矫正。

计算K和D

下载棋盘格图案并将其打印在纸上(字母或A4尺寸)。大家要尽量将这张纸粘在坚硬且平坦的物体表面，例如一块硬纸板上。因为这里的关键是直线必须是直线。

将图案放在相机前面拍摄一些图像，图案要取在不同的位置和角度。这里的关键是图案需要以不同的方式出现失真(以便OpenCV尽可能多地了解镜头相关参数)。

我们先将这些图片保存在JPG文件夹中。

现在我们只需要将此

import cv2

assert cv2.__version__[0] == '3', 'The fisheye module requires opencv version >= 3.0.0'

import numpy as np

import os

import glob

CHECKERBOARD = (6,9)

subpix_criteria = (cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER, 30, 0.1)

calibration_flags = cv2.fisheye.CALIB_RECOMPUTE_EXTRINSIC+cv2.fisheye.CALIB_CHECK_COND+cv2.fisheye.CALIB_FIX_SKEW

objp = np.zeros((1, CHECKERBOARD[0]*CHECKERBOARD[1], 3), np.float32)

objp[0,:,:2] = np.mgrid[0:CHECKERBOARD[0], 0:CHECKERBOARD[1]].T.reshape(-1, 2)

_img_shape = None

objpoints = [] # 3d point in real world space

imgpoints = [] # 2d points in image plane.

images = glob.glob('*.jpg')

for fname in images:

img = cv2.imread(fname)

if _img_shape == None:

_img_shape = img.shape[:2]

else:

assert _img_shape == img.shape[:2], "All images must share the same size."

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# Find the chess board corners

ret, corners = cv2.findChessboardCorners(gray, CHECKERBOARD, cv2.CALIB_CB_ADAPTIVE_THRESH+cv2.CALIB_CB_FAST_CHECK+cv2.CALIB_CB_NORMALIZE_IMAGE)

# If found, add object points, image points (after refining them)

if ret == True:

objpoints.append(objp)

cv2.cornerSubPix(gray,corners,(3,3),(-1,-1),subpix_criteria)

imgpoints.append(corners)

N_OK = len(objpoints)

K = np.zeros((3, 3))

D = np.zeros((4, 1))

rvecs = [np.zeros((1, 1, 3), dtype=np.float64) for i in range(N_OK)]

tvecs = [np.zeros((1, 1, 3), dtype=np.float64) for i in range(N_OK)]

rms, _, _, _, _ = \

cv2.fisheye.calibrate(

objpoints,

imgpoints,

gray.shape[::-1],

K,

D,

rvecs,

tvecs,

calibration_flags,

(cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER, 30, 1e-6)

)

print("Found " + str(N_OK) + " valid images for calibration")

print("DIM=" + str(_img_shape[::-1]))

print("K=np.array(" + str(K.tolist()) + ")")

print("D=np.array(" + str(D.tolist()) + ")")

运行python calibrate.py。如果一切顺利，脚本将输出如下内容：

Found 36 images for calibration

DIM=(1600, 1200)

K=np.array([[781.3524863867165, 0.0, 794.7118000552183], [0.0, 779.5071163774452, 561.3314451453386], [0.0, 0.0, 1.0]])

D=np.array([[-0.042595202508066574], [0.031307765215775184], [-0.04104704724832258], [0.015343014605793324]])

03.图像畸变矫正

获得K和D后，我们可以对以下情况获得的图像进行失真矫正：我们需要取消失真的图像与校准期间捕获的图像具有相同的尺寸。也可以将边缘周围的某些区域裁剪掉，来保证使未失真图像的整洁。通过undistort.py使用以下python代码创建文件：

# You should replace these 3 lines with the output in calibration step

DIM=XXX

K=np.array(YYY)

D=np.array(ZZZ)

def undistort(img_path):

img = cv2.imread(img_path)

h,w = img.shape[:2]

map1, map2 = cv2.fisheye.initUndistortRectifyMap(K, D, np.eye(3), K, DIM, cv2.CV_16SC2)

undistorted_img = cv2.remap(img, map1, map2, interpolation=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT)

cv2.imshow("undistorted", undistorted_img)

cv2.waitKey(0)

cv2.destroyAllWindows()

if __name__ == '__main__':

for p in sys.argv[1:]:

undistort(p)

现在运行python undistort.py file_to_undistort.jpg。

矫正前

矫正后

如果大家仔细观察，可能会注意到一个问题：原始图像中的大部分会在此过程中被裁剪掉。例如，图像左侧的橙色RC汽车只有一半的车轮保持在未变形的图像中。实际上，原始图像中约有30％的像素丢失了。小伙伴们可以思考思考如果我们想找回丢失的像素该这么办呢？