OpenCV實(shí)現(xiàn)相機(jī)校正

更新時(shí)間：2021年05月17日 17:05:46 作者：ʚVVcatɞ

這篇文章主要為大家詳細(xì)介紹了OpenCV實(shí)現(xiàn)相機(jī)校正，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

本文實(shí)例為大家分享了OpenCV實(shí)現(xiàn)相機(jī)校正的具體代碼，供大家參考，具體內(nèi)容如下

1. 相機(jī)標(biāo)定

根據(jù)張正友校正算法，利用棋盤格數(shù)據(jù)校正對(duì)車載相機(jī)進(jìn)行校正，計(jì)算其內(nèi)參矩陣，外參矩陣和畸變系數(shù)。

標(biāo)定的流程是：

準(zhǔn)備棋盤格數(shù)據(jù)，即用于標(biāo)定的圖片
對(duì)每一張圖片提取角點(diǎn)信息
在棋盤上繪制提取到的角點(diǎn)（非必須，只是為了顯示結(jié)果）
利用提取的角點(diǎn)對(duì)相機(jī)進(jìn)行標(biāo)定
獲取相機(jī)的參數(shù)信息

2.關(guān)于相機(jī)校正用到的幾個(gè)API：

1、尋找棋盤圖中的棋盤角點(diǎn)

rect, corners = cv2.findChessboardCorners(image, pattern_size, flags)

參數(shù)：

Image: 輸入的棋盤圖，必須是8位的灰度或者彩色圖像
Pattern_size:棋盤圖中每行每列的角點(diǎn)個(gè)數(shù)（內(nèi)角點(diǎn)）。
flags: 用來(lái)定義額外的濾波步驟以有助于尋找棋盤角點(diǎn)。所有的變量都可以單獨(dú)或者以邏輯或的方式組合使用。取值主要有：

CV_CALIB_CB_ADAPTIVE_THRESH ：使用自適應(yīng)閾值（通過(guò)平均圖像亮度計(jì)算得到）將圖像轉(zhuǎn)換為黑白圖，而不是一個(gè)固定的閾值。

CV_CALIB_CB_NORMALIZE_IMAGE ：在利用固定閾值或者自適應(yīng)的閾值進(jìn)行二值化之前，先使用cvNormalizeHist來(lái)均衡化圖像亮度。

CV_CALIB_CB_FILTER_QUADS ：使用其他的準(zhǔn)則（如輪廓面積，周長(zhǎng)，方形形狀）來(lái)去除在輪廓檢測(cè)階段檢測(cè)到的錯(cuò)誤方塊。

返回：

Corners:檢測(cè)到的角點(diǎn)
rect: 輸出是否找到角點(diǎn)，找到角點(diǎn)返回1，否則返回0

2、檢測(cè)完角點(diǎn)之后可以將測(cè)到的角點(diǎn)繪制在圖像上，使用的API是：

cv2.drawChessboardCorners(img, pattern_size, corners, rect)

參數(shù)：

Img: 預(yù)繪制檢測(cè)角點(diǎn)的圖像
pattern_size : 預(yù)繪制的角點(diǎn)的形狀
corners: 角點(diǎn)矩陣
rect：表示是否所有的棋盤角點(diǎn)被找到，可以設(shè)置為findChessboardCorners的返回值

注意：如果發(fā)現(xiàn)了所有的角點(diǎn)，那么角點(diǎn)將用不同顏色繪制（每行使用單獨(dú)的顏色繪制），并且把角點(diǎn)以一定順序用線連接起來(lái)。

3、利用定標(biāo)的結(jié)果計(jì)算內(nèi)外參數(shù)

ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(object_points, image_points, image_size, None, None)

參數(shù)：

Object_points:世界坐標(biāo)系中的點(diǎn)，在使用棋盤的場(chǎng)合，令z的坐標(biāo)值為0，而x,y坐標(biāo)用里面來(lái)度量，選用英寸單位，那么所有參數(shù)計(jì)算的結(jié)果也是用英寸表示。最簡(jiǎn)單的方式是定義棋盤的每一個(gè)方塊為一個(gè)單位。
image_points:在圖像中尋找到的角點(diǎn)的坐標(biāo)，包含object_points所提供的所有點(diǎn)
image_size: 圖像的大小，以像素為衡量單位

返回：

ret: 返回值
mtx: 相機(jī)的內(nèi)參矩陣，大小為3*3的矩陣
dist: 畸變系數(shù)，為5*1大小的矢量
rvecs: 旋轉(zhuǎn)變量
tvecs: 平移變量

2.1 圖像去畸變

上一步中得到相機(jī)的內(nèi)參及畸變系數(shù)，利用其進(jìn)行圖像的去畸變，最直接的方法就是調(diào)用opencv中的函數(shù)得到去畸變的圖像：

def img_undistort(img, mtx, dist):
    dst = cv2.undistort(img, mtx, dist, None, mtx)
    return dst

求畸變的API:

dst = cv2.undistort(img, mtx, dist, None, mtx)

參數(shù)：

Img: 要進(jìn)行校正的圖像
mtx: 相機(jī)的內(nèi)參
dist: 相機(jī)的畸變系數(shù)

返回：

dst: 圖像校正后的結(jié)果

3. 相機(jī)校正

import cv2
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import glob

def plot_contrast_imgs(origin_img, converted_img, origin_img_title="origin_img", converted_img_title="converted_img", converted_img_gray=False):
    """
    用于對(duì)比顯示兩幅圖像
    """
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 20))
    ax1.set_title(origin_img_title)
    ax1.imshow(origin_img)
    ax2.set_title(converted_img_title)
    if converted_img_gray==True:
        ax2.imshow(converted_img, cmap="gray")
    else:
        ax2.imshow(converted_img)
    plt.show()

# 1. 參數(shù)設(shè)定:定義棋盤橫向和縱向的角點(diǎn)個(gè)數(shù)并指定校正圖像的位置
nx = 9
ny = 6
file_paths = glob.glob("./camera_cal/calibration*.jpg")
# 2. 計(jì)算相機(jī)的內(nèi)外參數(shù)及畸變系數(shù)
def cal_calibrate_params(file_paths):
    object_points = []  # 三維空間中的點(diǎn)：3D
    image_points = []   # 圖像空間中的點(diǎn)：2d
    # 2.1 生成真實(shí)的交點(diǎn)坐標(biāo)：類似(0,0,0), (1,0,0), (2,0,0) ....,(6,5,0)的三維點(diǎn)
    objp = np.zeros((nx * ny, 3), np.float32)
    objp[:, :2] = np.mgrid[0:nx, 0:ny].T.reshape(-1, 2)
    # 2.2 檢測(cè)每幅圖像角點(diǎn)坐標(biāo)
    for file_path in file_paths:
        img = cv2.imread(file_path)
        # 將圖像轉(zhuǎn)換為灰度圖
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        # 自動(dòng)檢測(cè)棋盤格內(nèi)4個(gè)棋盤格的角點(diǎn)（2白2黑的交點(diǎn)）
        rect, corners = cv2.findChessboardCorners(gray, (nx, ny), None)
        # 若檢測(cè)到角點(diǎn)，則將其存儲(chǔ)到object_points和image_points
        if rect == True:
            object_points.append(objp)
            image_points.append(corners)
    # 2.3 獲取相機(jī)參數(shù)
    ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(object_points, image_points, gray.shape[::-1], None, None)
    return ret, mtx, dist, rvecs, tvecs


def img_undistort(img, mtx, dist):
    """
    圖像去畸變
    """
    return cv2.undistort(img, mtx, dist, None, mtx)

# 測(cè)試去畸變函數(shù)的效果
file_paths = glob.glob("./camera_cal/calibration*.jpg")
ret, mtx, dist, rvecs, tvecs = cal_calibrate_params(file_paths)
if mtx.any() != None:  # a.any() or a.all()
    img = mpimg.imread("./camera_cal/calibration1.jpg")
    undistort_img = img_undistort(img, mtx, dist)
    plot_contrast_imgs(img, undistort_img)
    print("done!")
else:
    print("failed")

執(zhí)行代碼：