我正在执行校准,如此处所示,但使用 cv.CALIB_RATIONAL_MODEL。
我使用了大约 40 张图像,我的平均重投影误差(由 cv2.calibrateCamera 计算)始终小于 0.5。
现在,我希望能够拍摄任何其他图像并应用我从校准中获得的失真。
我知道我可以使用校准期间保存的角点来计算和重新扭曲校准图像,但我想仅使用我可以保存和使用的内在和/或外在参数在完全不同的图像上应用扭曲。
可以吗?
我尝试将
np.negative(distortion)
传递给 cv.undistort()
希望它不会因负值而失真,因此它实际上会失真,但它不起作用并给了我完全混乱的结果。
我尝试将其他(one、two、 Three)线程上的答案从c++翻译成Python,并通过研究失真背后的理论来创建我自己的函数,但它不起作用。
我可以利用其他库或理论来解决这个问题吗?
OpenCV不提供图像扭曲功能,但您可以自己实现一个。您所需要的只是:
cam_mtx
、dis_cef
和 image_size
。cam_mtx_ud
和 image_size_ud
。R
。校正变换矩阵
R
可以通过stereoRectify()
计算,但在单相机系统中,它通常是恒等的(可以只使用空Mat
)。
回想一下图像去畸变的过程,需要两个步骤:
initUndistortRectifyMap(cam_mtx, dis_cef, R, cam_mtx_ud, image_size_ud, CV_32FC1, map_x, map_y)
remap(image, image_ud, map_x, map_y, INTER_LINEAR);
校正图(
map_x
和map_y
)描述了从未失真图像到失真图像的像素坐标图。有了它们,未失真图像上的每个像素都可以找到它在失真图像上的位置,然后通过插值检索像素值。这就是 remap
的工作原理。
因此,要生成不失真的校正图,您需要循环目标(未失真)图像的像素并扭曲点。
现在,对图像应用畸变与不畸变类似。
您需要通过循环目标(扭曲)图像的像素并“不扭曲”点来生成“扭曲图”。然后,使用 remap
应用扭曲。
Mat map_x = Mat(image_size, CV_32FC1);
Mat map_y = Mat(image_size, CV_32FC1);
vector<Point2f> pts_ud, pts_distort;
for (int y = 0; y < image_size.height; ++y)
for (int x = 0; x < image_size.width; ++x)
pts_distort.emplace_back(x, y);
undistortPoints(pts_distort, pts_ud, cam_mtx, dis_cef, R, cam_mtx_ud);
for (int y = 0; y < image_size.height; ++y) {
float* ptr1 = map_x.ptr<float>(y);
float* ptr2 = map_y.ptr<float>(y);
for (int x = 0; x < image_size.width; ++x) {
const auto& pt = pts_ud[y * image_size.width + x];
ptr1[x] = pt.x;
ptr2[x] = pt.y;
}
}
Mat image_distort;
remap(image_ud, image_distort, map_x, map_y, INTER_LINEAR);
我不太擅长Python,所以我用C++编写了代码。抱歉,但我认为代码并不难读。