图像去畸变理解
程序员文章站
2024-03-25 10:10:46
...
目的
找到正确图像与畸变图像像素点之间的映射关系
去畸变过程
① 已知像素 (u,v)—>计算其对应的归一化坐标(x,y)
② 通过畸变公式计算该归一化坐标对应的畸变归一化坐标(x_distorted,y_distorted)
③ 通过坐标转换公式,计算畸变归一化坐标所对应的像素坐标(u_distorted,v_distorted)
至此,找到了正确图像与畸变图像像素点之间的映射关系
但是,要想进行下一步的赋值,必须先要进行插值计算(一般是线性插值),因为计算得到的u_distorted和v_distorted不一定是整数,但像素坐标都是整数,所以要对其进行处理
④将(u_distorted,v_distorted)这一点的像素值赋值给(u,v)
十四讲代码实现
#include <opencv2/opencv.hpp>
#include <string>
#include <math.h>
using namespace std;
string image_file = "../test.png"; // 请确保路径正确
int main(int argc, char **argv) {
// 本程序需要你自己实现去畸变部分的代码。尽管我们可以调用OpenCV的去畸变,但自己实现一遍有助于理解。
// 畸变参数
double k1 = -0.28340811, k2 = 0.07395907, p1 = 0.00019359, p2 = 1.76187114e-05;
// 内参
double fx = 458.654, fy = 457.296, cx = 367.215, cy = 248.375;
cv::Mat image = cv::imread(image_file,0); // 图像是灰度图,CV_8UC1
int rows = image.rows, cols = image.cols;
cv::Mat image_undistort = cv::Mat(rows, cols, CV_8UC1); // 去畸变以后的图
// 计算去畸变后图像的内容
for (int v = 0; v < rows; v++)
for (int u = 0; u < cols; u++) {
double u_distorted = 0, v_distorted = 0;
// TODO 按照公式,计算点(u,v)对应到畸变图像中的坐标(u_distorted, v_distorted) (~6 lines)
// start your code here
//image_undistort中含有非畸变的图像坐标
//将image_undistort的坐标通过内参转换到归一化坐标系下,此时得到的归一化坐标是对的
//将得到的归一化坐标系进行畸变处理
//将畸变处理后的坐标通过内参转换为图像坐标系下的坐标
//这样就相当于是在非畸变图像的图像坐标和畸变图像的图像坐标之间建立了一个对应关系
//相当于是非畸变图像坐标在畸变图像中找到了映射
//对畸变图像进行遍历之后,然后赋值(一般需要线性插值,因为畸变后图像的坐标不一定是整数的),即可得到矫正之后的图像
double x1,y1,x2,y2;
x1 = (u-cx)/fx;
y1 = (v-cy)/fy;
double r2;
r2 = pow(x1,2)+pow(y1,2);
x2 = x1*(1+k1*r2+k2*pow(r2,2))+2*p1*x1*y1+p2*(r2+2*x1*x1);
y2 = y1*(1+k1*r2+k2*pow(r2,2))+p1*(r2+2*y1*y1)+2*p2*x1*y1;
u_distorted = fx*x2+cx;
v_distorted = fy*y2+cy;
// end your code here
// 赋值 (最近邻插值)
if (u_distorted >= 0 && v_distorted >= 0 && u_distorted < cols && v_distorted < rows) {
image_undistort.at<uchar>(v, u) = image.at<uchar>((int) v_distorted, (int) u_distorted);
} else {
image_undistort.at<uchar>(v, u) = 0;
}
}
// 画图去畸变后图像
cv::imshow("image undistorted", image_undistort);
cv::waitKey();
return 0;
}
参考博客:图像矫正去畸变
上一篇: 实时图像去畸变