1. 相機標定

根據張正友校正算法，利用棋盤格數據校正對車載相機進行校正，計算其內參矩陣，外參矩陣和畸變系數。

標定的流程是：

• 準備棋盤格數據，即用于標定的圖片
• 對每一張圖片提取角點信息
• 在棋盤上繪制提取到的角點（非必須，只是為了顯示結果）
• 利用提取的角點對相機進行標定
• 獲取相機的參數信息

2.關于相機校正用到的幾個API：

尋找棋盤圖中的棋盤角點

rect, corners = cv2.findChessboardCorners(image, pattern_size, flags)

參數：

• Image: 輸入的棋盤圖，必須是8位的灰度或者彩色圖像

• Pattern_size:棋盤圖中每行每列的角點個數（內角點）。

• flags: 用來定義額外的濾波步驟以有助于尋找棋盤角點。所有的變量都可以單獨或者以邏輯或的方式組合使用。取值主要有：

  CV_CALIB_CB_ADAPTIVE_THRESH ：使用自適應閾值（通過平均圖像亮度計算得到）將圖像轉換為黑白圖，而不是一個固定的閾值。

  CV_CALIB_CB_NORMALIZE_IMAGE ：在利用固定閾值或者自適應的閾值進行二值化之前，先使用cvNormalizeHist來均衡化圖像亮度。

  CV_CALIB_CB_FILTER_QUADS ：使用其他的準則（如輪廓面積，周長，方形形狀）來去除在輪廓檢測階段檢測到的錯誤方塊。

返回：

• Corners:檢測到的角點
• rect: 輸出是否找到角點，找到角點返回1，否則返回0

檢測完角點之后可以將測到的角點繪制在圖像上，使用的API是：

cv2.drawChessboardCorners(img, pattern_size, corners, rect)

參數：

• Img: 預繪制檢測角點的圖像
• pattern_size : 預繪制的角點的形狀
• corners: 角點矩陣
• rect： 表示是否所有的棋盤角點被找到，可以設置為findChessboardCorners的返回值

注意：如果發現了所有的角點，那么角點將用不同顏色繪制（每行使用單獨的顏色繪制），并且把角點以一定順序用線連接起來。

利用定標的結果計算內外參數

ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(object_points, image_points, image_size, None, None)

參數：

• Object_points:世界坐標系中的點，在使用棋盤的場合，令z的坐標值為0，而x,y坐標用里面來度量，選用英寸單位，那么所有參數計算的結果也是用英寸表示。最簡單的方式是定義棋盤的每一個方塊為一個單位。
• image_points:在圖像中尋找到的角點的坐標，包含object_points所提供的所有點
• image_size: 圖像的大小，以像素為衡量單位

返回：

• ret: 返回值

• mtx: 相機的內參矩陣，大小為3*3的矩陣

• dist: 畸變系數，為5*1大小的矢量

• rvecs: 旋轉變量

• tvecs: 平移變量

2.1 圖像去畸變

上一步中得到相機的內參及畸變系數，利用其進行圖像的去畸變，最直接的方法就是調用opencv中的函數得到去畸變的圖像：

def img_undistort(img, mtx, dist):dst = cv2.undistort(img, mtx, dist, None, mtx)return dst

求畸變的API:

dst = cv2.undistort(img, mtx, dist, None, mtx)

參數：

• Img: 要進行校正的圖像
• mtx: 相機的內參
• dist: 相機的畸變系數

返回：

• dst: 圖像校正后的結果

3. 相機校正

import cv2 import numpy as np import matplotlib.pyplot as plt import matplotlib.image as mpimg import globdef plot_contrast_imgs(origin_img, converted_img, origin_img_title="origin_img", converted_img_title="converted_img", converted_img_gray=False):"""用于對比顯示兩幅圖像"""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. 參數設定:定義棋盤橫向和縱向的角點個數并指定校正圖像的位置 nx = 9 ny = 6 file_paths = glob.glob("./camera_cal/calibration*.jpg") # 2. 計算相機的內外參數及畸變系數 def cal_calibrate_params(file_paths):object_points = [] # 三維空間中的點：3Dimage_points = [] # 圖像空間中的點：2d# 2.1 生成真實的交點坐標：類似(0,0,0), (1,0,0), (2,0,0) ....,(6,5,0)的三維點objp = np.zeros((nx * ny, 3), np.float32)objp[:, :2] = np.mgrid[0:nx, 0:ny].T.reshape(-1, 2)# 2.2 檢測每幅圖像角點坐標for file_path in file_paths:img = cv2.imread(file_path)# 將圖像轉換為灰度圖gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 自動檢測棋盤格內4個棋盤格的角點（2白2黑的交點）rect, corners = cv2.findChessboardCorners(gray, (nx, ny), None)# 若檢測到角點，則將其存儲到object_points和image_pointsif rect == True:object_points.append(objp)image_points.append(corners)# 2.3 獲取相機參數ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(object_points, image_points, gray.shape[::-1], None, None)return ret, mtx, dist, rvecs, tvecsdef img_undistort(img, mtx, dist):"""圖像去畸變"""return cv2.undistort(img, mtx, dist, None, mtx)# 測試去畸變函數的效果 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")

執行代碼：

總結

以上是生活随笔為你收集整理的OpenCV 相机校正的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。