利用棋盘格标定单目相机内参与畸变参数

##1.（适用于红外热成像相机、rgb相机、红外相机），只要能拍摄出多张棋盘格图像即可

##2. 代码输出的RMS（Root Mean Square）是一个统计学上的术语，表示均方根误差。在相机标定的上下文中，RMS误差是衡量标定质量的一个指标。它表示的是重投影误差的均方根值，即计算出的相机参数用于将三维世界坐标点投影到图像平面上时，这些投影点与实际检测到的图像点之间的误差的均方根值。具体来说，RMS值越小，表示相机标定的精度越高，计算出的相机参数越接近真实值。反之，如果RMS值较大，则可能意味着标定过程中存在较多的误差，可能是由于图像质量不佳、棋盘格角点检测不准确或其他原因造成的。

##3. 注意：pattern_size指定了棋盘格的角点尺寸；square_size指定了格子的实际尺寸，单位为厘米；当棋盘格更换时，就需要重新改动这些参数以符合当前标定的棋盘格参数。

##4. 操作步骤：用相机拍摄多张棋盘格图片后，新建文件夹data并将拍摄得到的棋盘格图像放入，以下代码运行可以遍历data中所有的棋盘格图像；之后，代码会综合所有棋盘格图像的处理结果，输出相机内参、RMS值、畸变参数与畸变校正前后的图像角点检测结果。！！！其余操作可查看代码中的注释已经很详细了。

##5. 对于相机内参、畸变参数的解释与原理可参考网站：https://blog.youkuaiyun.com/MobooV/article/details/128730417

# Python 2/3 compatibility
from __future__ import print_function

import numpy as np
import cv2 as cv

# local modules
def splitfn(fn):
    path, fn = os.path.split(fn)
    name, ext = os.path.splitext(fn)
    return path, name, ext

# built-in modules
import os

def main():
    import sys
    import getopt
    from glob import glob

    args, img_mask = getopt.getopt(sys.argv[1:], '', ['debug=', 'square_size=', 'threads='])
    args = dict(args)
    args.setdefault('--debug', 'C:/Users/zhao/Desktop/realsense/test/output')##填入输入图像角点检测与畸变校正前后的图像输出路径
    args.setdefault('--square_size', 2.5)##棋盘格单个格子的实际尺寸，单位为厘米
    args.setdefault('--threads', 4)##cpu线程数设置，用于并行处理多个图像
    if not img_mask:
        img_mask = 'C:/Users/zhao/Desktop/realsense/test/data/??.jpg'  # default ##填入输入图像的路径，采用??.jpg形式可以遍历并处理所有文件夹1中的所有图像，从而综合给出相机标定结果与相机畸变参数
    else:
        img_mask = img_mask[0]

    img_names = glob(img_mask)
    debug_dir = args.get('--debug')
    if debug_dir and not os.path.isdir(debug_dir):
        os.mkdir(debug_dir)
    square_size = float(args.get('--square_size'))

    pattern_size = (11, 8)##pattern_size 是一个元组，指定了棋盘格的尺寸，即棋盘格的角点数（宽度和高度）。这里棋盘格的尺寸被设置为 11x8，这意味着棋盘格有 11 个角点宽和 8 个角点高。
    pattern_points = np.zeros((np.prod(pattern_size), 3), np.float32)
    pattern_points[:, :2] = np.indices(pattern_size).T.reshape(-1, 2)
    pattern_points *= square_size

    obj_points = []
    img_points = []
    h, w = cv.imread(img_names[0], cv.IMREAD_GRAYSCALE).shape[:2]  # TODO: use imquery call to retrieve results

    def processImage(fn):
        print('processing %s... ' % fn)
        img = cv.imread(fn, 0)
        if img is None:
            print("Failed to load", fn)
            return None

        assert w == img.shape[1] and h == img.shape[0], ("size: %d x %d ... " % (img.shape[1], img.shape[0]))
        found, corners = cv.findChessboardCorners(img, pattern_size)
        if found:
            term = (cv.TERM_CRITERIA_EPS + cv.TERM_CRITERIA_COUNT, 30, 0.1)
            cv.cornerSubPix(img, corners, (5, 5), (-1, -1), term)

        if debug_dir:
            vis = cv.cvtColor(img, cv.COLOR_GRAY2BGR)
            cv.drawChessboardCorners(vis, pattern_size, corners, found)
            _path, name, _ext = splitfn(fn)
            outfile = os.path.join(debug_dir, name + '_chess.png')
            cv.imwrite(outfile, vis)

        if not found:
            print('chessboard not found')
            return None

        print('           %s... OK' % fn)
        return (corners.reshape(-1, 2), pattern_points)

    threads_num = int(args.get('--threads'))
    if threads_num <= 1:
        chessboards = [processImage(fn) for fn in img_names]
    else:
        print("Run with %d threads..." % threads_num)
        from multiprocessing.dummy import Pool as ThreadPool
        pool = ThreadPool(threads_num)
        chessboards = pool.map(processImage, img_names)

    chessboards = [x for x in chessboards if x is not None]
    for (corners, pattern_points) in chessboards:
        img_points.append(corners)
        obj_points.append(pattern_points)

    # calculate camera distortion
    rms, camera_matrix, dist_coefs, _rvecs, _tvecs = cv.calibrateCamera(obj_points, img_points, (w, h), None, None)

    print("\nRMS:", rms)
    print("camera matrix:\n", camera_matrix)
    print("distortion coefficients: ", dist_coefs.ravel())
    print(("rvecs:\n"), _rvecs)  # 相机坐标系与标定板间的旋转向量  # 外参数
    print(("tvecs:\n"), _tvecs)  # 相机坐标系与标定板间的平移向量  # 外参数

    # Save results to a text file
    if debug_dir:
        result_file = os.path.join(debug_dir, 'calibration_results.txt')
        with open(result_file, 'w') as f:
            f.write("RMS: {}\n".format(rms))
            f.write("Camera Matrix:\n")
            f.write(str(camera_matrix) + "\n")
            f.write("Distortion Coefficients: {}\n".format(dist_coefs.ravel()))

    # undistort the image with the calibration
    print('')
    for fn in img_names if debug_dir else []:
        _path, name, _ext = splitfn(fn)
        img_found = os.path.join(debug_dir, name + '_chess.png')##output文件夹中保存得到的_chess.png为畸变校正前的角点检测图像
        outfile = os.path.join(debug_dir, name + '_undistorted.png')##output文件夹中保存得到的_undistorted.png为畸变校正后的角点检测图像

        img = cv.imread(img_found)
        if img is None:
            continue

        h, w = img.shape[:2]
        newcameramtx, roi = cv.getOptimalNewCameraMatrix(camera_matrix, dist_coefs, (w, h), 1, (w, h))

        dst = cv.undistort(img, camera_matrix, dist_coefs, None, newcameramtx)

        # crop and save the image
        x, y, w, h = roi
        dst = dst[y:y+h, x:x+w]

        print('Undistorted image written to: %s' % outfile)
        cv.imwrite(outfile, dst)

    print('Done')


if __name__ == '__main__':
    print(__doc__)
    main()
    cv.destroyAllWindows()