NeRF从入门到放弃6:两种OpenCV去畸变模型

针孔相机和鱼眼相机的去畸变模型是不一样的。

针孔相机的畸变参数有12个,k1~k6是径向畸变参数,p1 p2是切向畸变,s1s4;而鱼眼相机是等距模型,畸变参数只有4个k1k4。

针孔相机

畸变分为径向畸变和切向畸变。

把相机平面坐标系下的点表示为极坐标(r,θ),则径向畸变表示径r变化δr,而切向变换表示角度θ变化δθ。

径向畸变是透镜改变了光线传播,使得光不再直线传播导致的;切向变换是由于透镜安装与成像平面不平行导致的。(SLAM 14讲)

此图是OpenCV官方文档示例https://docs.opencv.org/3.4/d9/d0c/group__calib3d.html,很清晰。

桶形畸变和枕形畸变

假设只有k1,如果k1大于0,则x'' = x'(1+k1r2),x''>x',去畸变后的图像会变大,为帧形畸变;反之为桶形畸变。

针孔相机去畸变函数

复制代码
cv2.undistort(image, K, distCoeffs)

distCoeffs格式为

也就是说,如果只传入4个参数,则是k1,k2,p1,p2,后面的参数都是0.

鱼眼相机

官方文档公式推导https://docs.opencv.org/3.4/db/d58/group__calib3d__fisheye.html

鱼眼相机去畸变函数

distCoeffs为k1,k2,k3,k4

pyhton 复制代码
image_undis = cv2.fisheye.undistortImage(image, K, distCoeffs, None,
                                                     np.copy(K))

  1. 图片去畸变
python 复制代码
def undistort_images(image_dir,
                     output_dir,
                     K,
                     distCoeffs,
                     is_equidistant: bool = False):
    for img in tqdm(sorted(os.listdir(image_dir))):
        image = cv2.imread(f'{image_dir}/{img}')
        if is_equidistant:
            image_undis = cv2.fisheye.undistortImage(image, K, distCoeffs, None,
                                                     np.copy(K))
        else:
            image_undis = cv2.undistort(image, K, distCoeffs)
        cv2.imwrite(f'{output_dir}/{img}', image_undis)
  1. 参考链接

​ 针对OpenCV官方文档的翻译:https://blog.csdn.net/Thomson617/article/details/103987952

相关推荐
java_logo10 小时前
LobeHub Docker 容器化部署指南
运维·人工智能·docker·ai·容器·ai编程·ai写作
清云逸仙10 小时前
AI Prompt应用实战:评论审核系统实现
人工智能·经验分享·ai·语言模型·prompt·ai编程
正宗咸豆花10 小时前
Prompt Minder:重塑 AI 时代的提示词工程基础设施
人工智能·prompt
清云逸仙10 小时前
使用AI(GPT-4)实现AI prompt 应用--自动审核评论系统
人工智能·经验分享·ai·语言模型·ai编程
Mintopia11 小时前
Claude Code CLI UI
人工智能·aigc·全栈
Mr.Winter`11 小时前
基于Proto3和单例模式的系统参数配置模块设计(附C++案例实现)
c++·人工智能·单例模式·机器人
Mintopia11 小时前
🌐 动态网络环境下的 WebAIGC 断点续传与容错技术
前端·人工智能·aigc
qinyia11 小时前
WisdomSSH解决因未使用Docker资源导致的磁盘空间不足问题
运维·服务器·人工智能·后端·docker·ssh·github
Stark-C11 小时前
凭实力出圈,头戴耳机的六边形战士!性价比拉满的iKF Mars实测
人工智能
CoovallyAIHub11 小时前
超越YOLOv8/v11!自研RKM-YOLO为输电线路巡检精度、速度双提升
深度学习·算法·计算机视觉