OpenCV實現(xiàn)相機校正

更新時間：2021年05月17日 17:05:46 作者：ʚVVcatɞ

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

本文實例為大家分享了OpenCV實現(xiàn)相機校正的具體代碼，供大家參考，具體內容如下

1. 相機標定

根據(jù)張正友校正算法，利用棋盤格數(shù)據(jù)校正對車載相機進行校正，計算其內參矩陣，外參矩陣和畸變系數(shù)。

標定的流程是：

準備棋盤格數(shù)據(jù)，即用于標定的圖片
對每一張圖片提取角點信息
在棋盤上繪制提取到的角點（非必須，只是為了顯示結果）
利用提取的角點對相機進行標定
獲取相機的參數(shù)信息

2.關于相機校正用到的幾個API：

1、尋找棋盤圖中的棋盤角點

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個數(shù)（內角點）。
flags: 用來定義額外的濾波步驟以有助于尋找棋盤角點。所有的變量都可以單獨或者以邏輯或的方式組合使用。取值主要有：

CV_CALIB_CB_ADAPTIVE_THRESH ：使用自適應閾值（通過平均圖像亮度計算得到）將圖像轉換為黑白圖，而不是一個固定的閾值。

CV_CALIB_CB_NORMALIZE_IMAGE ：在利用固定閾值或者自適應的閾值進行二值化之前，先使用cvNormalizeHist來均衡化圖像亮度。

CV_CALIB_CB_FILTER_QUADS ：使用其他的準則（如輪廓面積，周長，方形形狀）來去除在輪廓檢測階段檢測到的錯誤方塊。

返回：

Corners:檢測到的角點
rect: 輸出是否找到角點，找到角點返回1，否則返回0

2、檢測完角點之后可以將測到的角點繪制在圖像上，使用的API是：

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

參數(shù)：

Img: 預繪制檢測角點的圖像
pattern_size : 預繪制的角點的形狀
corners: 角點矩陣
rect：表示是否所有的棋盤角點被找到，可以設置為findChessboardCorners的返回值

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

3、利用定標的結果計算內外參數(shù)

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

參數(shù)：

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

返回：

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

2.1 圖像去畸變

上一步中得到相機的內參及畸變系數(shù)，利用其進行圖像的去畸變，最直接的方法就是調用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: 要進行校正的圖像
mtx: 相機的內參
dist: 相機的畸變系數(shù)

返回：

dst: 圖像校正后的結果

3. 相機校正

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)設定:定義棋盤橫向和縱向的角點個數(shù)并指定校正圖像的位置
nx = 9
ny = 6
file_paths = glob.glob("./camera_cal/calibration*.jpg")
# 2. 計算相機的內外參數(shù)及畸變系數(shù)
def cal_calibrate_params(file_paths):
    object_points = []  # 三維空間中的點：3D
    image_points = []   # 圖像空間中的點：2d
    # 2.1 生成真實的交點坐標：類似(0,0,0), (1,0,0), (2,0,0) ....,(6,5,0)的三維點
    objp = np.zeros((nx * ny, 3), np.float32)
    objp[:, :2] = np.mgrid[0:nx, 0:ny].T.reshape(-1, 2)
    # 2.2 檢測每幅圖像角點坐標
    for file_path in file_paths:
        img = cv2.imread(file_path)
        # 將圖像轉換為灰度圖
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        # 自動檢測棋盤格內4個棋盤格的角點（2白2黑的交點）
        rect, corners = cv2.findChessboardCorners(gray, (nx, ny), None)
        # 若檢測到角點，則將其存儲到object_points和image_points
        if rect == True:
            object_points.append(objp)
            image_points.append(corners)
    # 2.3 獲取相機參數(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：