OpenCV:鱼眼相机去畸变=图像去畸变+点去畸变

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

鱼眼相机去畸变,即图像矫正,分为整幅图像去畸变和点去畸变.

1.去畸变函数

先来看一下鱼眼相机的去畸变函数.
已知鱼眼相机的内参矩阵和畸变系数


image.png

step1.先估计新的相机内参矩阵
这个新的相机内参矩阵是去畸变后的,图像矫正后的.
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()
这个函数的作用是初始化畸变矫正矩阵,
将KDRP转换为map1和map2.
之后就可以通过remap函数计算无畸变图像了.


image.png

image.png

这里有个问题,为什么要把KDRP转换为map1,map2之后在使用remap矫正?
https://docs.opencv.org/master/d4/d94/tutorial_camera_calibration.html
这里有个解释.
之所以扩展undistort函数为initUndistortRectifyMap,是为了提高算法运行速度.

image.png

step3.remap()图像矫正函数

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

(4)undistortImage()函数
这个函数是fisheye::initUndistortRectifyMap和remap函数的合并
Knew是畸变图像的相机内参矩阵,默认是单位阵.

image.png

image.png

(5)undistortPoints是点去畸变函数


image.png

程序

//已知相机内参和畸变系数
//step1.估计新矩阵
cv::Mat newCamMat;
// 估计新的相机内参矩阵,无畸变后的
cv::fisheye::estimateNewCameraMatrixForUndistortRectify(
    camera_intrinsic_matrix, distort_coeff_matrix, img_size,
    cv::Matx33d::eye(), newCamMat, 1);
//step2.计算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图像去畸变
cv::Mat cam_im = imread("1.png");
cv::Mat correct_image;
cv::remap(cam_im, correct_image, map1, map2, cv::INTER_LINEAR);

//step4. undistortImage图像去畸变
cv::Mat undistort_im;
cv::fisheye::undistortImage(
    cam_im,undistort_im,
    camera_intrinsic_matrix,
    distort_coeff_matrix,
    newCamMat,
    cam_im.size());
//step5.比较一下这两个图像是否一直
cv::Mat substrct_im;
cv::subtract(undistort_im,correct_image,substrct_im);
cv::imwrite("substrct_im.jpg",substrct_im);

//step6.undistortPoints图像点去畸变
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;

相减结果

说明这两个函数结果一致.

image.png

去畸变点的坐标为(725,514)和去畸变图像中一致.

参考:

  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
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,117评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,328评论 1 293
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,839评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,007评论 0 206
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,384评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,629评论 1 219
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,880评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,593评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,313评论 1 243
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,575评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,066评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,392评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,052评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,082评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,844评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,662评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,575评论 2 270

推荐阅读更多精彩内容

  • 完整的 multi view stereo pipeline 会有以下步骤 1. structure from m...
    philleer阅读 8,333评论 1 3
  • 写在开头 最近在学习三维重建的相关知识,打算将三维重建SFM的整个过程用代码的形式梳理一下,本章节主要实现相机标定...
    风之旅人c阅读 1,634评论 1 1
  • 前言 最近翻阅关于从2D视频或者图片中重构3D姿态的文章及其源码,发现都有关于摄像机参数的求解,查找了相关资料,做...
    予汐阅读 5,868评论 0 3
  • 站在 六月的巷口 阳光正好 有温暖相拥 知足在心 脚步迈向沉稳 影子拾起童年 愿岁月可缓 故人不散 想要的明天 如约而至
    苔花如米粒阅读 123评论 0 4
  • 糊涂 终于轮到我来出动力沟通日记接龙的题目了!我脑子里经过了万水千山,眼睛瞟到了上一篇的题目《特立独行》,顿...
    胡淑杰阅读 278评论 0 0