c++中的可变形参

    C语言中的printf,scanf就是最常见的可变形参函数,定义一个可变形参的函数很简单,如void print(int n, ...)   ,函数中对参数的处理主要是通过对栈进行操作,而c函数的实参都是自右向左压入栈的. 主要的栈操作(都是)有va_list,va_start ,va_arg,va_end, 定义如下:

      typedef char * va_list;
      #define _INTSIZEOF(n)   ( (sizeof(n) + sizeof(int) - 1) & ~(sizeof(int) - 1) )
      #define va_start _crt_va_start
      #define va_arg _crt_va_arg
      #define va_end _crt_va_end
      #define _crt_va_start(ap,v) ( ap = (va_list)_ADDRESSOF(v) + _INTSIZEOF(v) )
      #define _crt_va_arg(ap,t) ( *(t *)((ap += _INTSIZEOF(t)) - _INTSIZEOF(t)) )
      #define _crt_va_end(ap) ( ap = (va_list)0 )

     va_start(ap,v):主要是获取可变参数列表的首地址,然后赋值给ap,近似ap=&v+sizeof(v) (这里暂不考虑内存对齐和类型转换)

      va_arg(ap,t):取得返回类型t的可变参数值, 并使ap指向下一个参数: ap += sizeof(t),这里的t是可变参数的数据类型,如int,float之类

     va_end(ap):给ap初始化

     va_start(ap,v) va_arg(ap,t) va_end(ap)三者合用,保证程序的健壮性.

    一个使用可变形参的简单程序:

#include <stdio.h>
#include <stdarg.h>        //包含va_list等定义

float sum( float first, ... )   //,...代表可变形参函数
{
float i=first,sum=0;
va_list maker;            //va_list 类型数据可以保存函数的所有参数,做为一个列表一样保存
va_start(maker,first); //设置列表的起始位置
while(i!=-1.0)
{
   sum+=i;
   i=va_arg(maker,float); //返回maker列表的当前值,并指向列表的下一个位置
}
return sum;

}

void main(void)
{
printf( "sum is: %f\n", sum( 2.0,8.0,8.5,-1.0 ) );   //函数调用
}

 

原文地址: http://blog.163.com/zwh50687695/blog/static/223116332010026112224105/

<think> 我们正在讨论OpenCV中的`stereoRectify`函数,特别关注C++版本的使用。以下是对该函数的详细解释,包括函数原型、数、输出以及使用步骤。 ### 1. C++函数原型 在C++中,`stereoRectify`函数的原型如下: ```cpp void cv::stereoRectify( InputArray cameraMatrix1, InputArray distCoeffs1, InputArray cameraMatrix2, InputArray distCoeffs2, Size imageSize, InputArray R, InputArray T, OutputArray R1, OutputArray R2, OutputArray P1, OutputArray P2, OutputArray Q, int flags = CALIB_ZERO_DISPARITY, double alpha = -1, Size newImageSize = Size(), Rect* validPixROI1 = 0, Rect* validPixROI2 = 0 ); ``` ### 2. 数详解(C++版) - **cameraMatrix1, cameraMatrix2**: 左右相机的内矩阵,为3×3的`Mat`,通常通过相机标定得到。 - **distCoeffs1, distCoeffs2**: 左右相机的畸变系数向量,为1×N(N通常为5、8、12或14)的`Mat`。 - **imageSize**: 图像尺寸,`Size(width, height)`。 - **R**: 从第一个相机坐标系到第二个相机坐标系的旋转矩阵(3×3)。 - **T**: 从第一个相机坐标系到第二个相机坐标系的平移向量(3×1)。 - **R1, R2**: 输出数,左右相机的校正旋转矩阵(3×3),将图像平面旋转到新的共面平面。 - **P1, P2**: 输出数,左右相机的新投影矩阵(3×4),包含内和基线信息。 - **Q**: 输出数,视差转深度的重投影矩阵(4×4)。 - **flags**: 校正标志,默认为`CALIB_ZERO_DISPARITY`。当设置该标志时,函数会调整投影矩阵使得两个相机的主点坐标在相同的行上(即校正后两个图像的主点纵坐标相同)。如果不设置(设为0),则保留原始的主点坐标。 - **alpha**: 缩放因子(-1到1之间)。它控制校正后图像的裁剪程度: - `alpha=1`:保留所有原始像素(会有黑边)。 - `alpha=0`:裁剪掉所有无效像素(无黑边,但会损失部分视野)。 - `alpha=-1`:自动选择缩放因子以平衡视野和有效像素。 - **newImageSize**: 校正后图像的尺寸,默认与`imageSize`相同。如果指定了不同的尺寸,函数会按比例缩放内。 - **validPixROI1, validPixROI2**: 可选输出数,指向`Rect`的指针,用于存储校正后图像中有效像素区域的边界矩形。 ### 3. 输出结果 - **R1, R2**: 旋转矩阵,用于将左右相机的原始图像平面旋转到新的共面且行对齐的平面。 - **P1, P2**: 新的投影矩阵,用于将旋转后的图像投影到新的图像平面。其中,`P1`的形式为: $$P1 = \begin{bmatrix} f_x' & 0 & c_x' & 0 \\ 0 & f_y' & c_y' & 0 \\ 0 & 0 & 1 & 0 \end{bmatrix}$$ 而`P2`的形式为: $$P2 = \begin{bmatrix} f_x' & 0 & c_x' & T_x \cdot f_x' \\ 0 & f_y' & c_y' & 0 \\ 0 & 0 & 1 & 0 \end{bmatrix}$$ 这里$T_x$是基线长度(以像素为单位)。 - **Q**: 用于将视差图转换为深度图的矩阵,其结构为: $$Q = \begin{bmatrix} 1 & 0 & 0 & -c_x' \\ 0 & 1 & 0 & -c_y' \\ 0 & 0 & 0 & f_x' \\ 0 & 0 & -\frac{1}{T_x} & \frac{c_x' - c_x''}{T_x} \end{bmatrix}$$ 其中,$(c_x', c_y')$是左相机校正后的主点坐标,$c_x''$是右相机校正后的主点x坐标(理想情况下$c_x' = c_x''$)。 ### 4. 使用步骤(C++示例) 以下是在C++中使用`stereoRectify`的典型步骤: ```cpp #include <opencv2/opencv.hpp> int main() { // 假设已通过标定获得以下数 cv::Mat K1 = (cv::Mat_<double>(3,3) << fx1, 0, cx1, 0, fy1, cy1, 0, 0, 1); // 左相机内 cv::Mat K2 = ...; // 右相机内 cv::Mat D1, D2; // 畸变系数 cv::Mat R, T; // 旋转矩阵和平移向量 cv::Size imageSize(640, 480); // 图像尺寸 cv::Mat R1, R2, P1, P2, Q; cv::Rect validRoi1, validRoi2; // 计算校正变换 cv::stereoRectify(K1, D1, K2, D2, imageSize, R, T, R1, R2, P1, P2, Q, cv::CALIB_ZERO_DISPARITY, 0.5, imageSize, &validRoi1, &validRoi2); // 计算映射表 cv::Mat map11, map12, map21, map22; cv::initUndistortRectifyMap(K1, D1, R1, P1, imageSize, CV_16SC2, map11, map12); cv::initUndistortRectifyMap(K2, D2, R2, P2, imageSize, CV_16SC2, map21, map22); // 读取原始图像 cv::Mat leftImg = cv::imread("left.jpg", cv::IMREAD_GRAYSCALE); cv::Mat rightImg = cv::imread("right.jpg", cv::IMREAD_GRAYSCALE); // 应用校正映射 cv::Mat leftRect, rightRect; cv::remap(leftImg, leftRect, map11, map12, cv::INTER_LINEAR); cv::remap(rightImg, rightRect, map21, map22, cv::INTER_LINEAR); // 可选:裁剪有效区域 cv::Mat leftValid = leftRect(validRoi1); cv::Mat rightValid = rightRect(validRoi2); return 0; } ``` ### 5. 关键点说明 - **校正映射的生成**:使用`initUndistortRectifyMap`生成映射表,然后通过`remap`应用校正。映射表只需计算一次,可以重复使用。 - **有效区域裁剪**:`stereoRectify`输出的`validPixROI1`和`validPixROI2`定义了校正后图像中有效像素的矩形区域,可用于裁剪黑边。 - **数调整**:`alpha`数影响视野和图像内容。在实际应用中,可能需要尝试不同的值以获得最佳效果。 ### 6. 常见问题 - **校正后图像出现严重变形**:可能是相机标定数不准确,尤其是畸变系数或旋转平移矩阵。 - **行不对齐**:检查`flags`是否设置为`CALIB_ZERO_DISPARITY`,并确保标定数正确。 - **内存占用**:如果图像较大,生成映射表需要较多内存。在资源受限的环境中,可以考虑将映射表保存为文件,避免每次启动都重新计算。 ### 总结 在C++中使用`stereoRectify`进行双目校正的步骤包括:准备标定数、调用`stereoRectify`计算校正矩阵、生成映射表、应用映射表进行图像校正。通过调整`alpha`数可以控制视野范围,而`validPixROI`可用于裁剪黑边。校正后的图像将行对齐,便于后续的立体匹配[^3]。 §§相关问题§§ 1. 如何评估`stereoRectify`校正效果的准确性? 2. 在实时双目系统中,如何优化`stereoRectify`的计算效率? 3. 如何处理相机标定数不准确导致的校正失败? </think> ### OpenCV中`stereoRectify`算子详解(C++版) `stereoRectify`是双目视觉中的核心函数,用于计算图像校正变换数,使两幅图像的行对齐(极线平行),从而简化立体匹配。以下是C++版的详细解释: #### 1. **函数原型** ```cpp void cv::stereoRectify( InputArray cameraMatrix1, // 左相机内矩阵 (3×3) InputArray distCoeffs1, // 左相机畸变系数 (1×5) InputArray cameraMatrix2, // 右相机内矩阵 InputArray distCoeffs2, // 右相机畸变系数 Size imageSize, // 图像尺寸 (width, height) InputArray R, // 从左到右的旋转矩阵 (3×3) InputArray T, // 从左到右的平移向量 (3×1) OutputArray R1, // 左相机输出旋转矩阵 OutputArray R2, // 右相机输出旋转矩阵 OutputArray P1, // 左相机新投影矩阵 (3×4) OutputArray P2, // 右相机新投影矩阵 (3×4) OutputArray Q, // 视差-深度映射矩阵 (4×4) int flags = CALIB_ZERO_DISPARITY, // 校正标志 double alpha = -1, // 缩放因子 [-1,1] Size newImageSize = Size(), // 新图像尺寸 Rect* validPixROI1 = 0, // 左图有效区域 (输出) Rect* validPixROI2 = 0 // 右图有效区域 (输出) ); ``` #### 2. **核心数解析** | **数** | **类型** | **说明** | |------------------|---------------|--------------------------------------------------------------------------| | `R`, `T` | `cv::Mat` | 从 **左相机到右相机** 的旋转矩阵和平移向量 (通过`cv::stereoCalibrate`获得) | | `flags` | `int` | `cv::CALIB_ZERO_DISPARITY` (默认):主点纵坐标对齐 | | `alpha` | `double` | 图像裁剪程度:<br>• `1.0`:保留所有像素(有黑边)<br>• `0.0`:裁剪无效像素<br>• `-1`:自动平衡 | | `validPixROI1/2` | `cv::Rect*` | 输出有效像素区域的矩形坐标 | #### 3. **输出矩阵的数学意义** 1. **旋转矩阵 $R_1$, $R_2$** 将原始图像平面旋转到新平面,使极线水平对齐: $$\text{新外} : \begin{cases} R_{\text{new1}} = R_1 \cdot R_{\text{cam1}}^{-1} \\ R_{\text{new2}} = R_2 \cdot R_{\text{cam2}}^{-1} \end{cases}$$ 2. **投影矩阵 $P_1$, $P_2$** 包含基线信息 $T_x$(单位为像素): $$P_2 = K_2 \begin{bmatrix} R_2 & | & T \end{bmatrix}, \quad P_1 = K_1 \begin{bmatrix} I & | & 0 \end{bmatrix}$$ 3. **视差-深度矩阵 $Q$** 将视差 $d$ 转换为深度 $Z$: $$Q = \begin{bmatrix} 1 & 0 & 0 & -c_x \\ 0 & 1 & 0 & -c_y \\ 0 & 0 & 0 & f \\ 0 & 0 & -\frac{1}{T_x} & \frac{c_x - c'_x}{T_x} \end{bmatrix}$$ 深度计算公式: $$Z = \frac{f \cdot T_x}{d}$$ #### 4. **C++使用流程示例** ```cpp #include <opencv2/opencv.hpp> int main() { // 标定数(示例) cv::Mat K1 = (cv::Mat_<double>(3,3) << 1000, 0, 320, 0, 1000, 240, 0, 0, 1); // 左相机内 cv::Mat K2 = K1.clone(); // 右相机内 cv::Mat D1 = cv::Mat::zeros(5, 1, CV_64F); // 畸变系数 cv::Mat D2 = D1.clone(); cv::Mat R = cv::Mat::eye(3, 3, CV_64F); // 旋转矩阵 cv::Mat T = (cv::Mat_<double>(3,1) << -0.1, 0.0, 0.0); // 平移向量 (基线10cm) cv::Size imgSize(640, 480); // 计算校正数 cv::Mat R1, R2, P1, P2, Q; cv::Rect validRoi1, validRoi2; cv::stereoRectify( K1, D1, K2, D2, imgSize, R, T, R1, R2, P1, P2, Q, cv::CALIB_ZERO_DISPARITY, 0.8, imgSize, &validRoi1, &validRoi2 ); // 生成校正映射表 cv::Mat map11, map12, map21, map22; cv::initUndistortRectifyMap(K1, D1, R1, P1, imgSize, CV_16SC2, map11, map12); cv::initUndistortRectifyMap(K2, D2, R2, P2, imgSize, CV_16SC2, map21, map22); // 应用校正 cv::Mat imgL = cv::imread("left.jpg", cv::IMREAD_GRAYSCALE); cv::Mat imgR = cv::imread("right.jpg", cv::IMREAD_GRAYSCALE); cv::Mat imgL_rect, imgR_rect; cv::remap(imgL, imgL_rect, map11, map12, cv::INTER_LINEAR); cv::remap(imgR, imgR_rect, map21, map22, cv::INTER_LINEAR); // 裁剪有效区域 cv::Mat imgL_cropped = imgL_rect(validRoi1); cv::Mat imgR_cropped = imgR_rect(validRoi2); return 0; } ``` #### 5. **关键注意事项** 1. **标定精度要求** $R$ 和 $T$ 必须通过高精度立体标定(`cv::stereoCalibrate`)获得,否则会导致校正失败[^3]。 2. **`alpha`数实践** ```cpp // 推荐设置 double alpha = 0.8; // 平衡视野和有效像素 ``` 3. **内存管理** 映射表(`map11/map12`)占用较大内存,可保存为文件避免重复计算: ```cpp cv::FileStorage fs("maps.yml", cv::FileStorage::WRITE); fs << "map11" << map11 << "map12" << map12; ``` 4. **GPU加速** 在移动端可使用OpenCL加速: ```cpp cv::UMat uMap11, uMap12, uImgL_rect; map11.copyTo(uMap11); // 复制到GPU内存 cv::remap(imgL, uImgL_rect, uMap11, map12, cv::INTER_LINEAR); ``` #### 6. **典型错误处理** | **问题现象** | **原因** | **解决方案** | |-----------------------|-------------------------|-----------------------------------| | 校正后图像严重扭曲 | 畸变系数不准确 | 重新标定相机 | | 行对齐误差>1像素 | $R$/$T$ 矩阵误差大 | 增加标定样本,优化标定流程 | | 有效区域(validRoi)过小| `alpha`数过低 | 增大`alpha`至0.8~1.0 | | 内存溢出 | 高分辨率映射表占用大 | 使用`CV_16SC2`类型替代`CV_32FC1` | ### 总结 在C++中使用`stereoRectify`的核心步骤: 1. 准备高精度标定数 ($K_1, K_2, D_1, D_2, R, T$) 2. 调用`stereoRectify`计算校正矩阵 3. 通过`initUndistortRectifyMap`生成映射表 4. 使用`remap`进行图像校正 5. 根据`validPixROI`裁剪有效区域 通过合理设置`alpha`数和利用GPU加速,可在移动端实现实时双目校正[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值