01.简介

当我们使用的鱼眼镜头视角大于160°时，OpenCV中用于校准镜头“经典”方法的效果可能就不是和理想了。即使我们仔细遵循OpenCV文档中的步骤，也可能会得到下面这个奇奇怪怪的照片：

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Python脚本片段复制到calibrate.py先前保存这些图像的文件夹中的文件中，就可以对其进行命名。

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：

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？

到此这篇关于使用OpenCV校准鱼眼镜头的方法的文章就介绍到这了,更多相关OpenCV校准鱼眼镜内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！