opencv 鱼眼图像的矫正(动态参数调整)

一:棋盘校准参数说明(内参)

棋盘校准的方法及代码很多,参见其他连接

1:内参矩阵

2:畸变系数

针对鱼眼相机此处是4个参数,在其校准代码中也可以知道,其通常的定义如下:

复制代码
       data.camera_mat = np.eye(3, 3)
       data.dist_coeff = np.zeros((4, 1))

二:基于生成的参数D和K进行调整

直接上代码,

复制代码
import os
import numpy as np
import cv2
#下面的值是来自棋盘格校准后的内参矩阵K
initial_camera_matrix = np.array([[389.3455401867884, 0.0, 630.3678577531273],
                                  [0.0, 388.5686773894828, 361.167452606629],
                                  [0.0, 0.0, 1.0]])
                     
camera_mat = np.array([[302.116935,0.0,521.926531],
                       [  0.0, 358.512097, 363.652721],
                       [  0.0, 0.0,     1.0      ]])

#下面的值是来自棋盘格校准后的D
dist_coeff = np.array([[0.05648235312901486],[-0.024826520405491565],[-0.002416551582982325],[0.0010672440368159684]])

def adjust_parameters(x):
# 获取当前滑动条的值
    fx = cv2.getTrackbarPos('fx', 'Parameters')/ 100.0 
    fy = cv2.getTrackbarPos('fy', 'Parameters')/ 100.0 
    cx = cv2.getTrackbarPos('cx', 'Parameters')/ 100.0 
    cy = cv2.getTrackbarPos('cy', 'Parameters')/ 100.0 
    k1 = cv2.getTrackbarPos('k1', 'Parameters') / 2000000  # 调整范围以便于滑动条控制
    k2 = cv2.getTrackbarPos('k2', 'Parameters') / 2000000
    p1 = cv2.getTrackbarPos('p1', 'Parameters') / 2000000
    p2 = cv2.getTrackbarPos('p2', 'Parameters') / 2000000

# 更新相机矩阵和畸变系数
    new_camera_matrix = np.array([[fx, 0.0, cx],
                                  [0.0, fy, cy],
                                  [0.0, 0.0, 1.0]])
    new_distortion_coeff = np.array([[k1], [-k2], [-p1], [p2]])

    map1, map2 = cv2.fisheye.initUndistortRectifyMap(
                initial_camera_matrix, new_distortion_coeff, np.eye(3, 3), new_camera_matrix, 
                (args.width * args.sizescale, args.height * args.sizescale), cv2.CV_16SC2) 

  
    img = np.load("./calibrate_img/img_cam5.npy")
    print(new_camera_matrix)
    print(new_distortion_coeff)
    undistort_img = cv2.remap(img, map1, map2, cv2.INTER_LINEAR)
    undistort_img=cv2.resize(undistort_img,(img.shape[1],img.shape[0]))

    cv2.imshow("undistort_img",undistort_img)

    
    cv2.imshow("src_img",img)




def main():

    cv2.namedWindow('Parameters')
    
# 添加相机矩阵的滑动条
    cv2.createTrackbar('fx', 'Parameters', int(camera_mat[0, 0]* 10000), 90*100000, adjust_parameters)
    cv2.createTrackbar('fy', 'Parameters', int(camera_mat[1, 1]* 10000), 90*100000, adjust_parameters)
    cv2.createTrackbar('cx', 'Parameters', int(camera_mat[0, 2]* 10000), 90*1000000, adjust_parameters)
    cv2.createTrackbar('cy', 'Parameters', int(camera_mat[1, 2]* 10000), 90*100000, adjust_parameters)
    
# 添加畸变系数的滑动条
    cv2.createTrackbar('k1', 'Parameters', int(dist_coeff[0, 0] * 100000), 4000000, adjust_parameters)
    cv2.createTrackbar('k2', 'Parameters', int(dist_coeff[1, 0] * 100000), 4000000, adjust_parameters)
    cv2.createTrackbar('p1', 'Parameters', int(dist_coeff[2, 0] * 100000), 4000000, adjust_parameters)
    cv2.createTrackbar('p2', 'Parameters', int(dist_coeff[3, 0] * 100000), 4000000, adjust_parameters)
    while True:
        key = cv2.waitKey(1) & 0xFF
        if key == ord('q'):
            break

    cv2.destroyAllWindows()  
    
if __name__ == '__main__':
    main()    
相关推荐
charley.layabox2 小时前
8月1日ChinaJoy酒会 | 游戏出海高端私享局 | 平台 × 发行 × 投资 × 研发精英畅饮畅聊
人工智能·游戏
DFRobot智位机器人3 小时前
AIOT开发选型:行空板 K10 与 M10 适用场景与选型深度解析
人工智能
想成为风筝5 小时前
从零开始学习深度学习—水果分类之PyQt5App
人工智能·深度学习·计算机视觉·pyqt
F_D_Z5 小时前
MMaDA:多模态大型扩散语言模型
人工智能·语言模型·自然语言处理
大知闲闲哟5 小时前
深度学习G2周:人脸图像生成(DCGAN)
人工智能·深度学习
飞哥数智坊5 小时前
Coze实战第15讲:钱都去哪儿了?Coze+飞书搭建自动记账系统
人工智能·coze
wenzhangli75 小时前
低代码引擎核心技术:OneCode常用动作事件速查手册及注解驱动开发详解
人工智能·低代码·云原生
千宇宙航6 小时前
闲庭信步使用图像验证平台加速FPGA的开发:第十课——图像gamma矫正的FPGA实现
图像处理·计算机视觉·缓存·fpga开发
潘达斯奈基~6 小时前
大模型的Temperature、Top-P、Top-K、Greedy Search、Beem Search
人工智能·aigc
倔强青铜三7 小时前
苦练Python第18天:Python异常处理锦囊
人工智能·python·面试