畸变问题解决

范纹杉好好生活工作

已于 2023-05-09 17:30:21 修改

阅读量310

点赞数 1

CC 4.0 BY-SA版权

文章标签：数码相机计算机视觉 opencv

于 2023-05-09 09:57:14 首次发布

本文链接：https://blog.youkuaiyun.com/dsafefvf/article/details/130573650

本文详细介绍了摄像机成像的原理，包括坐标转换和相机内外参数。接着讨论了图像畸变的类型，如径向和切向畸变，并提出了畸变校正的步骤，如使用棋盘图标定、计算畸变系数和内参数。文章还提供了OpenCV的畸变矫正代码示例，涉及相机标定和反畸变计算。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.摄像机成像原理

2.成像畸变

3.畸变解决方案

4.当前畸变问题解决情况

相机畸变校正详解 [图像]畸变校正详解_画圆弧曲线拟合畸变校正算法_祥知道的博客-优快云博客
相机畸变矫正 相机畸变矫正_GZheng2007的博客-优快云博客
相机畸变矫正原理及代码实现相机畸变矫正原理及代码实现_超级无敌小小顺利的博客-优快云博客
相机标定之畸变矫正与反畸变计算 https://www.cnblogs.com/mafuqiang/p/8134617.html
双目相机的畸变校正以及平行校正（极线校正）的入门问题总结双目相机的畸变校正以及平行校正（极线校正）的入门问题总结
相机（RGB&DEPTH）畸变矫正的通俗理解相机（RGB&DEPTH）畸变矫正的通俗理解 - 知乎
OpenCV相机标定与畸变校正 OpenCV相机标定与畸变校正_图像

1.摄像机成像原理

摄像机成像的过程实质上是坐标系的转换，空间中的点从世界坐标系转换到摄像机坐标系，然后再投影到图像坐标系（成像平面），再将数据转换到图像坐标系。具体转换如下：

转换的数学表达式如下所示：

★ RT01矩阵：相机外参，是相机相对于世界坐标系的旋转和平移变换关系。

★ 3*3矩阵：相机内参，是相机的固有属性，含有焦距、像元尺寸等参数。

2.成像畸变

图像的畸变主要有两种：径向畸变和切向畸变。

径向畸变：正中心位置的畸变最小，随着半径的增大，畸变增大。径向畸变可以分为枕形畸变和桶形畸变：

切向畸变：在透镜与成像平面不平行时就会产生，类似于透视变换。

3.畸变解决方案

本次主要解决横向畸变情况，主要包括以下步骤

1.通过标定板（棋盘图）采集图像，尽量在视野范围内多采集不同角度不同位置的图片；

2.提取标定图片的角点信息；

3.进一步获取标定图片的亚像素点信息；

4.在棋盘图上绘制找到的内角点（尽量使用长款不同的标定板，以便模型更好识别横向和纵向）；

5.利用算法模型计算畸变系数，内参数，外参数（平移参数，旋转参数）；

6.使用cv.getOptimalNewCameraMatrix（）优化内参数和畸变系数；

6.对未标定图片进行畸变矫正；

7.通过反投影误差评估矫正的好坏。

4.当前畸变问题解决情况

参考:

相机畸变校正详解 [图像]畸变校正详解_画圆弧曲线拟合畸变校正算法_祥知道的博客-优快云博客
相机畸变矫正 相机畸变矫正_GZheng2007的博客-优快云博客
相机畸变矫正原理及代码实现相机畸变矫正原理及代码实现_超级无敌小小顺利的博客-优快云博客
相机标定之畸变矫正与反畸变计算 https://www.cnblogs.com/mafuqiang/p/8134617.html
双目相机的畸变校正以及平行校正（极线校正）的入门问题总结双目相机的畸变校正以及平行校正（极线校正）的入门问题总结
相机（RGB&DEPTH）畸变矫正的通俗理解相机（RGB&DEPTH）畸变矫正的通俗理解 - 知乎
OpenCV相机标定与畸变校正 OpenCV相机标定与畸变校正_图像

import cv2
import numpy as np
 
def rectify_video(image, map1, map2):
    frame_rectified = cv2.remap(image, map1, map2, interpolation=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT)
    return frame_rectified
 
 
def calculate_para(K, D, width, height):
    # 优化内参数和畸变系数
    p = cv2.fisheye.estimateNewCameraMatrixForUndistortRectify(K, D, (width, height), None)
    # 此处计算花费时间较大，需从循环中抽取出来
    map1, map2 = cv2.fisheye.initUndistortRectifyMap(K, D, None, p, (width, height), cv2.CV_32F)
    return map1, map2
 
def main():
    # K D 参数
    K = np.array(
        [[1201.3967181633418, 0.0, 909.7424436183744], [0.0, 1203.635467250557, 534.1590658991514], [0.0, 0.0, 1.0]])
    D = np.array([[-0.0978537375125563], [-0.03841501213366177], [-0.03612764818273854], [0.05276041355808103]])
    width, height = 1920, 1080
    # 参数优化
    map1, map2 = calculate_para(K, D, width, height)
 
    video = cv2.VideoCapture("filename.jpg")
    while (video.isOpened()):
        success, image = video.read()
        if not success:
            break
        # 畸变矫正
        frame = rectify_video(image, map1, map2)
        frame = cv2.resize(frame, (960, 540))
        cv2.imshow('frame', frame)
        if cv2.waitKey(0) & 0xFF == ord('q'):
            break
    video.release()
    cv2.destroyAllWindows()
 
if __name__ == "__main__":
    main()