这篇文章主要介绍OpenCV实现相机校正的方法,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
具体内容如下
1。相机标定
根据张正友校正算法,利用棋盘格数据校正对车载相机进行校正,计算其内参矩阵,外参矩阵和畸变系数。
标定的流程是:
准备棋盘格数据,即用于标定的图片
<李>对每一张图片提取角点信息
<李>在棋盘上绘制提取到的角点(非必须,只是为了显示结果)
<李>利用提取的角点对相机进行标定
<李>获取相机的参数信息
2。关于相机校正用到的几个API:
<强> 1,寻找棋盘图中的棋盘角点
<强>参数:
图片:输入的棋盘图,必须是8位的灰度或者彩色图像
<李>pattern_size:棋盘图中每行每列的角点个数(内角点)。
<李>标记:用来定义额外的滤波步骤以有助于寻找棋盘角点。所有的变量都可以单独或者以逻辑或的方式组合使用。取值主要有:
,,,,,, CV_CALIB_CB_ADAPTIVE_THRESH:使用自适应阈值(通过平均图像亮度计算得到)将图像转换为黑白图,而不是一个固定的阈值。
,,,,,,,CV_CALIB_CB_NORMALIZE_IMAGE ：在利用固定阈值或者自适应的阈值进行二值化之前，先使用cvNormalizeHist来均衡化图像亮度。
CV_CALIB_CB_FILTER_QUADS ：使用其他的准则（如轮廓面积，周长，方形形状）来去除在轮廓检测阶段检测到的错误方块。
返回：
Corners:检测到的角点
rect: 输出是否找到角点，找到角点返回1，否则返回0
2、检测完角点之后可以将测到的角点绘制在图像上，使用的API是：
cv2.drawChessboardCorners(img, pattern_size, corners, rect)
参数：
Img: 预绘制检测角点的图像
pattern_size : 预绘制的角点的形状
corners: 角点矩阵
rect： 表示是否所有的棋盘角点被找到，可以设置为findChessboardCorners的返回值
注意：如果发现了所有的角点，那么角点将用不同颜色绘制（每行使用单独的颜色绘制），并且把角点以一定顺序用线连接起来。
3、利用定标的结果计算内外参数
ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(object_points, image_points, image_size, None, None)
参数：
Object_points:世界坐标系中的点，在使用棋盘的场合，令z的坐标值为0，而x,y坐标用里面来度量，选用英寸单位，那么所有参数计算的结果也是用英寸表示。最简单的方式是定义棋盘的每一个方块为一个单位。
image_points:在图像中寻找到的角点的坐标，包含object_points所提供的所有点
image_size: 图像的大小，以像素为衡量单位
返回：
ret: 返回值
mtx: 相机的内参矩阵，大小为3*3的矩阵
dist: 畸变系数，为5*1大小的矢量
rvecs: 旋转变量
tvecs: 平移变量
2.1 图像去畸变
上一步中得到相机的内参及畸变系数，利用其进行图像的去畸变，最直接的方法就是调用opencv中的函数得到去畸变的图像：
def img_undistort(img, mtx, dist): ,,,dst =, cv2.undistort (img, mtx,经销,,没有,,mtx) ,,,return dst
求畸变的API:
<强>参数:
img:要进行校正的图像
<李>mtx:相机的内参
<李> dist:相机的畸变系数
<强>返回:
dst:图像校正后的结果
