OpenCV实现相机校正
程序员文章站
2022-03-17 22:26:03
本文实例为大家分享了opencv实现相机校正的具体代码,供大家参考,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...
本文实例为大家分享了opencv实现相机校正的具体代码,供大家参考,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
- 对每一张图片提取角点信息
- 在棋盘上绘制提取到的角点(非必须,只是为了显示结果)
- 利用提取的角点对相机进行标定
- 获取相机的参数信息
2.关于相机校正用到的几个api:
1、寻找棋盘图中的棋盘角点
rect, corners = cv2.findchessboardcorners(image, pattern_size, flags)
参数:
- image: 输入的棋盘图,必须是8位的灰度或者彩色图像
- pattern_size:棋盘图中每行每列的角点个数(内角点)。
- flags: 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, dist, none, mtx) return dst
求畸变的api:
dst = cv2.undistort(img, mtx, dist, none, mtx)
参数:
- img: 要进行校正的图像
- mtx: 相机的内参
- dist: 相机的畸变系数
返回:
- dst: 图像校正后的结果
3. 相机校正
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): """ 用于对比显示两幅图像 """ 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. 参数设定:定义棋盘横向和纵向的角点个数并指定校正图像的位置 nx = 9 ny = 6 file_paths = glob.glob("./camera_cal/calibration*.jpg") # 2. 计算相机的内外参数及畸变系数 def cal_calibrate_params(file_paths): object_points = [] # 三维空间中的点:3d image_points = [] # 图像空间中的点:2d # 2.1 生成真实的交点坐标:类似(0,0,0), (1,0,0), (2,0,0) ....,(6,5,0)的三维点 objp = np.zeros((nx * ny, 3), np.float32) objp[:, :2] = np.mgrid[0:nx, 0:ny].t.reshape(-1, 2) # 2.2 检测每幅图像角点坐标 for file_path in file_paths: img = cv2.imread(file_path) # 将图像转换为灰度图 gray = cv2.cvtcolor(img, cv2.color_bgr2gray) # 自动检测棋盘格内4个棋盘格的角点(2白2黑的交点) rect, corners = cv2.findchessboardcorners(gray, (nx, ny), none) # 若检测到角点,则将其存储到object_points和image_points if rect == true: object_points.append(objp) image_points.append(corners) # 2.3 获取相机参数 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): """ 图像去畸变 """ return cv2.undistort(img, mtx, dist, none, mtx) # 测试去畸变函数的效果 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")
执行代码:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
上一篇: 浅谈React 的引入
下一篇: MySQL 逻辑备份与恢复测试的相关总结