import cv2
import numpy as np
import glob# 设置寻找亚像素角点的参数，采用的停止准则是最大循环次数30和最大误差容限0.001# criteria：迭代停止的模式选择，这是一个含有三个元素的元组型数。格式为（type,max_iter,epsilon）
# 其中，type又有两种选择：
# —–cv2.TERM_CRITERIA_EPS :精确度（误差）满足epsilon停止。
# —- cv2.TERM_CRITERIA_MAX_ITER：迭代次数超过max_iter停止。
# —-cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER，两者合体，任意一个满足结束。criteria = (cv2.TERM_CRITERIA_MAX_ITER | cv2.TERM_CRITERIA_EPS, 30, 0.001)# 获取标定板角点的位置
# 黑白格相交的点我截的图是4*4的# 准备对象点，如（0,0,0），（1,0,0），（2,0,0）......，（6,5,0）
# objp = np.zeros((w*h,3), np.float32)objp = np.zeros((4 * 4, 3), np.float32)
# mgrid把列向量[0:cbraw]复制了cbcol列，把行向量[0:cbcol]复制了cbraw行。
# 转置后reshape
objp[:, :2] = np.mgrid[0:4, 0:4].T.reshape(-1, 2)  # 将世界坐标系建在标定板上，所有点的Z坐标全部为0，所以只需要赋值x和yobj_points = []  # 存储3D点
img_points = []  # 存储2D点images = glob.glob("data/*.jpg")
for fname in images:img = cv2.imread(fname)img = cv2.resize(img, None ,fx=0.1, fy=0.1, interpolation= cv2.INTER_CUBIC)#我的图片太大，我缩小了十倍gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)cv2.imshow('gray', gray)size = gray.shape[::-1]print(size)# int cvFindChessboardCorners(const void * image, CvSize pattern_size, CvPoint2D32f * corners,# int * corner_count = NULL,# int flags = CV_CALIB_CB_ADAPTIVE_THRESH );# 参数说明# Image:输入的棋盘图，必须是8位的灰度或者彩色图像。# pattern_size:棋盘图中每行和每列角点的个数# Corners:检测到的角点# corner_count: 输出，角点的个数。如果不是NULL，函数将检测到的角点的个数存储于此变量。ret, corners = cv2.findChessboardCorners(gray, (4, 4), None)print(ret)# print(corners)if ret:#如果检测到角点obj_points.append(objp)#第二参数上面检测到角点的坐标# 第三个参数是计算亚像素角点时考虑的区域的大小，大小为NXN;N = (winSize * 2 + 1)。# 第四个参数作用类似于winSize，但是总是具有较小的范围，通常忽略（即Size(-1, -1)）。corners2 = cv2.cornerSubPix(gray, corners, (5, 5), (-1, -1), criteria)  # 在原角点的基础上寻找亚像素角点#print(corners2)if [corners2]:img_points.append(corners2)else:img_points.append(corners)cv2.drawChessboardCorners(img, (4, 4), corners2, ret)  # OpenCV的绘制角点的函数cv2.imshow('img', img)cv2.waitKey(0)print(len(img_points))
cv2.destroyAllWindows()# 标定
ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(obj_points, img_points, size, None, None)print("ret:", ret)#bool值
print("mtx:\n", mtx) # 内参数矩阵
print("dist:\n", dist)  # 畸变系数   distortion cofficients = (k_1,k_2,p_1,p_2,k_3)
print("rvecs:\n", rvecs)  # 旋转向量  # 外参数
print("tvecs:\n", tvecs ) # 平移向量  # 外参数print("-----------------------------------------------------")for i in range(len(images)):img = cv2.imread(images[i])img = cv2.resize(img, None ,fx=0.1, fy=0.1, interpolation= cv2.INTER_CUBIC)h, w = img.shape[:2]newcameramtx, roi = cv2.getOptimalNewCameraMatrix(mtx,dist,(w,h),1,(w,h))#显示更大范围的图片（正常重映射之后会删掉一部分图像）print (newcameramtx)#优化的相机内参# #也可以使用remap()进行标定# mapx,mapy = cv2.initUndistortRectifyMap(mtx,dist,None,newcameramtx,(w,h),5)# dst = cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)dst = cv2.undistort(img,mtx,dist,None,newcameramtx)x,y,w,h = roidst1 = dst[y:y+h,x:x+w]cv2.imwrite('calibration_data/{}.jpg'.format(i), dst1)print ("dst的大小为:", dst1.shape)