本文最后更新于:2024年5月7日 下午

之前介绍了 OpenCV 完成畸变矫正的方法,本文记录直接使用矫正映射的方法。

原理

  • 在完成图像畸变矫正获得矫正前后的相机内参,还有畸变系数之后,可以通过 OpenCV 的 initUndistortRectifyMap 函数获取映射矩阵

  • 获取映射矩阵后可以通过 OpenCV 的 remap 函数直接对图像进行映射矫正畸变。

initUndistortRectifyMap

  • 官方文档

  • 函数使用:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    void cv::initUndistortRectifyMap	
    (
    InputArray cameraMatrix, // 输入的矫正前的相机参数(3X3矩阵)
    InputArray distCoeffs, // 输入的畸变系数(5X1矩阵)
    InputArray R, // 输入的第一和第二摄像头坐标系之间的旋转矩阵
    InputArray newCameraMatrix, // 输入的校正后的3X3摄像机矩阵
    Size size, // 摄像头采集的无失真图像尺寸
    int m1type, // map1的数据类型,可以是 CV_32FC1, CV_32FC2 或 CV_16SC2
    OutputArray map1, // 输出的X坐标重映射参数
    OutputArray map2 // 输出的Y坐标重映射参数
    )
  • 计算方法如下:

$$ \begin{array}{c} x \leftarrow\left(u-c^{\prime}{ }_{x}\right) / f^{\prime}{ }_{x} \\ y \leftarrow\left(v-c_{y}^{\prime}\right) / f_{y}^{\prime} \\ [X Y W]^{T} \leftarrow R^{-1} *[x y 1]^{T} \\ x^{\prime} \leftarrow X / W \\ y^{\prime} \leftarrow Y / W \\ r^{2} \leftarrow x^{\prime 2}+y^{\prime 2} \\ x^{\prime \prime} \leftarrow x^{\prime} \frac{1+k_{1} r^{2}+k_{2} r^{4}+k r^{6}{ }^{6}}{1+k_{4} r^{2}+k_{5} r^{4}+k_{6 r^{6}}}+2 p_{1} x^{\prime} y^{\prime}+p_{2}\left(r^{2}+2 x^{\prime 2}\right)+s_{1} r^{2}+s_{2} r^{4} \\ y^{\prime \prime} \leftarrow y^{\prime} \frac{1+k_{1} r^{2}+k_{2} r^{4}+k r^{3} r^{6}}{1+k_{4} r^{2}+k k_{5} r^{4}+k r^{6}}+p_{1}\left(r^{2}+2 y^{2}\right)+2 p_{2} x^{\prime} y^{\prime}+s_{3} r^{2}+s_{4} r^{4} \\ s\left[\begin{array}{c}x^{\prime \prime \prime} \\ y^{\prime \prime \prime} \\ 1\end{array}\right]=\left[\begin{array}{ccc}R_{33}\left(\tau_{x}, \tau_{y}\right) & 0 & -R_{13}\left(\left(\tau_{x}, \tau_{y}\right)\right. \\ 0 & R_{33}\left(\tau_{x}, \tau_{y}\right) & -R_{23}\left(\tau_{x}, \tau_{y}\right) \\ 0 & 0 & 1\end{array}\right] R\left(\tau_{x}, \tau_{y}\right)\left[\begin{array}{c}x^{\prime \prime} \\ y^{\prime \prime} \\ 1\end{array}\right] \\ \operatorname{map}_{x}(u, v) \leftarrow x^{\prime \prime \prime} f_{x}+c_{x} \\ \operatorname{map}_{y}(u, v) \leftarrow y^{\prime \prime \prime} f_{y}+c_{y} \\ \end{array} $$
  • 其中 $ \left(k_{1}, k_{2}, p_{1}, p_{2}\left[, k_{3}\left[, k_{4}, k_{5}, k_{6}\left[, s_{1}, s_{2}, s_{3}, s_{4}\left[, \tau_{x}, \tau_{y}\right]\right]\right]\right]\right) $ 是失真系数。
  • 输出的两个 map 和图像尺寸 Size 一样大。

remap

  • 官方文档

  • 函数使用:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    void cv::remap	(	
    InputArray src, // 输入图像,即原图像,需要单通道8位或者浮点类型的图像
    OutputArray dst, // 输出图像,即目标图像,需和原图形一样的尺寸和类型
    InputArray map1, // 它有两种可能表示的对象:(1)表示点(x,y)的第一个映射;(2)表示CV_16SC2,CV_32FC1等
    InputArray map2, // 有两种可能表示的对象:
    //(1)若map1表示点(x,y)时,这个参数不代表任何值;
    //(2)表示 CV_16UC1,CV_32FC1类型的Y值
    int interpolation, // 插值方式,有四中插值方式:
    // (1)INTER_NEAREST——最近邻插值
    // (2)INTER_LINEAR——双线性插值(默认)
    // (3)INTER_CUBIC——双三样条插值(默认)
    // (4)INTER_LANCZOS4——lanczos插值(默认)
    int borderMode = BORDER_CONSTANT, // 边界模式,默认BORDER_CONSTANT
    const Scalar & borderValue = Scalar() // 边界颜色,默认Scalar()黑色
    )
  • 计算方法:

$$ \operatorname{dst}(x, y)=\operatorname{src}\left(\operatorname{map}_{x}(x, y), \operatorname{map}_{y}(x, y)\right) $$

示例代码

  • 测试图像:

  • 复用之前的代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
import numpy as np
import cv2 as cv
import mtutils as mt

# termination criteria
criteria = (cv.TERM_CRITERIA_EPS + cv.TERM_CRITERIA_MAX_ITER, 30, 0.001)

# prepare object points, like (0,0,0), (1,0,0), (2,0,0) ....,(6,6,0)
W_num = 7
H_num = 7

objp = np.zeros((W_num*H_num,3), np.float32)
objp[:,:2] = np.mgrid[0:W_num,0:H_num].T.reshape(-1,2)

# Arrays to store object points and image points from all the images.
objpoints = [] # 3d point in real world space
imgpoints = [] # 2d points in image plane.

img = mt.cv_rgb_imread('undistort.png', 1)

another = img.copy()
# Find the chess board corners
ret, corners = cv.findChessboardCorners(img, (W_num,H_num), None)
# If found, add object points, image points (after refining them)
if ret == True:
objpoints.append(objp)
corners2 = cv.cornerSubPix(img,corners, (11,11), (-1,-1), criteria)
imgpoints.append(corners2)
# Draw and display the corners
cv.drawChessboardCorners(img, (W_num, H_num), corners2, ret)
mt.PIS(img)

ret, mtx, dist, rvecs, tvecs = cv.calibrateCamera(objpoints, imgpoints, img.shape[::-1], None, None)
h, w = img.shape[:2]
newcameramtx, roi = cv.getOptimalNewCameraMatrix(mtx, dist, (w,h), 1, (w,h))
# 原始 mtx 效果会好一些
# dst = cv.undistort(another, mtx, dist, None, newcameramtx)
dst = cv.undistort(another, mtx, dist, None, mtx)

# 点校正
undis_corners2 = cv.undistortPoints(corners2, mtx, dist, None, mtx)

# build map matrix
# 原始 mtx 效果会好一些
# map1, map2 = cv.initUndistortRectifyMap(mtx, dist, None, newcameramtx, img.shape[::-1], cv.CV_32FC1)
map1, map2 = cv.initUndistortRectifyMap(mtx, dist, None, mtx, img.shape[::-1], cv.CV_32FC1)
frame2 = cv.remap(another2, map1, map2, cv.INTER_LINEAR)

mt.PIS([another, 'origin'], [img, 'marked'], [dst, 'undistort'], row_num=1)
pass
  • undistort 函数的结果和 mapped 的结果几乎一致,会有几个像素差 1 个灰阶。

参考资料



文章链接:
https://www.zywvvd.com/notes/study/image-processing/opencv/opencv-remap/opencv-remap/


“觉得不错的话,给点打赏吧 ୧(๑•̀⌄•́๑)૭”

微信二维码

微信支付

支付宝二维码

支付宝支付

OpenCV 畸变矫正映射
https://www.zywvvd.com/notes/study/image-processing/opencv/opencv-remap/opencv-remap/
作者
Yiwei Zhang
发布于
2022年12月28日
许可协议