OpenCV:魚眼相機去畸變=圖像去畸變+點去畸變

官網:https://docs.opencv.org/3.4/db/d58/group__calib3d__fisheye.html

魚眼相機去畸變,即圖像矯正,分為整幅圖像去畸變和點去畸變.

1.去畸變函數

先來看一下魚眼相機的去畸變函數.
已知魚眼相機的內參矩陣和畸變系數


image.png

step1.先估計新的相機內參矩陣
這個新的相機內參矩陣是去畸變后的,圖像矯正后的.
Estimates new camera matrix for undistortion or rectification.


image.png

image.png

P New camera matrix (3x3) or new projection matrix (3x4)
balance Sets the new focal length in range between the min focal length and the max focal
length. Balance is in range of [0, 1].

step2. initUndistortRectifyMap()
這個函數的作用是初始化畸變矯正矩陣,
將KDRP轉換為map1和map2.
之后就可以通過remap函數計算無畸變圖像了.


image.png

image.png

這里有個問題,為什么要把KDRP轉換為map1,map2之后在使用remap矯正?
https://docs.opencv.org/master/d4/d94/tutorial_camera_calibration.html
這里有個解釋.
之所以擴展undistort函數為initUndistortRectifyMap,是為了提高算法運行速度.

image.png

step3.remap()圖像矯正函數

// 圖像去畸變
cv::Mat cam_im = imread("1.png");
cv::Mat correct_image;
 cv::remap(cam_im, correct_image, map1, map2, cv::INTER_LINEAR);

(4)undistortImage()函數
這個函數是fisheye::initUndistortRectifyMap和remap函數的合并
Knew是畸變圖像的相機內參矩陣,默認是單位陣.

image.png

image.png

(5)undistortPoints是點去畸變函數


image.png

程序

//已知相機內參和畸變系數
//step1.估計新矩陣
cv::Mat newCamMat;
// 估計新的相機內參矩陣,無畸變后的
cv::fisheye::estimateNewCameraMatrixForUndistortRectify(
    camera_intrinsic_matrix, distort_coeff_matrix, img_size,
    cv::Matx33d::eye(), newCamMat, 1);
//step2.計算map1,map2
cv::Mat map1, map2;
cv::fisheye::initUndistortRectifyMap(
        camera_intrinsic_matrix, 
        distort_coeff_matrix, 
    cv::Matx33d::eye(), newCamMat, img_size,
    CV_16SC2, map1, map2);

// step3.remap圖像去畸變
cv::Mat cam_im = imread("1.png");
cv::Mat correct_image;
cv::remap(cam_im, correct_image, map1, map2, cv::INTER_LINEAR);

//step4. undistortImage圖像去畸變
cv::Mat undistort_im;
cv::fisheye::undistortImage(
    cam_im,undistort_im,
    camera_intrinsic_matrix,
    distort_coeff_matrix,
    newCamMat,
    cam_im.size());
//step5.比較一下這兩個圖像是否一直
cv::Mat substrct_im;
cv::subtract(undistort_im,correct_image,substrct_im);
cv::imwrite("substrct_im.jpg",substrct_im);

//step6.undistortPoints圖像點去畸變
std::vector<cv::Point2f> src_pts{ cv::Point2f(500,500)};
std::vector<cv::Point2f> dst_pts;
cv::fisheye::undistortPoints(
    src_pts,dst_pts,
       camera_intrinsic_matrix,
    distort_coeff_matrix,
    cv::noArray(),
    newCamMat);
cout<<"dst_pts= "<<dst_pts[0]<<endl;

相減結果

說明這兩個函數結果一致.

image.png

去畸變點的坐標為(725,514)和去畸變圖像中一致.

參考:

  1. https://docs.opencv.org/3.4/db/d58/group__calib3d__fisheye.html
  2. https://blog.csdn.net/baidu_38172402/article/details/89597692
  3. https://blog.csdn.net/jonathanzh/article/details/104418758
  4. https://docs.opencv.org/master/d4/d94/tutorial_camera_calibration.html
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,237評論 6 537
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,957評論 3 423
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 177,248評論 0 382
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,356評論 1 316
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,081評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,485評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,534評論 3 444
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,720評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,263評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,025評論 3 356
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,204評論 1 371
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,787評論 5 362
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,461評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,874評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,105評論 1 289
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,945評論 3 395
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,205評論 2 375

推薦閱讀更多精彩內容

  • 完整的 multi view stereo pipeline 會有以下步驟 1. structure from m...
    philleer閱讀 9,802評論 1 3
  • 寫在開頭 最近在學習三維重建的相關知識,打算將三維重建SFM的整個過程用代碼的形式梳理一下,本章節主要實現相機標定...
    風之旅人c閱讀 1,741評論 1 1
  • 前言 最近翻閱關于從2D視頻或者圖片中重構3D姿態的文章及其源碼,發現都有關于攝像機參數的求解,查找了相關資料,做...
    予汐閱讀 6,282評論 0 3
  • 站在 六月的巷口 陽光正好 有溫暖相擁 知足在心 腳步邁向沉穩 影子拾起童年 愿歲月可緩 故人不散 想要的明天 如約而至
    苔花如米粒閱讀 128評論 0 4
  • 糊涂 終于輪到我來出動力溝通日記接龍的題目了!我腦子里經過了萬水千山,眼睛瞟到了上一篇的題目《特立獨行》,頓...
    胡淑杰閱讀 351評論 0 0