使用OpenCV校准鱼眼镜头-第2部分-技术圈

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

在昨天的文章中我们介绍了有关如何使用OpenCV校准鱼眼镜头的一些基础知识，并我们在最后留下了一个问题。那么今天我们就来看看这个问题该如何解决。

但是，如果大家遇到以下任何一种情况，那就得了解一些细节的问题了。

失真图像的尺寸与校准所用的尺寸不同；
默认不失真设置裁剪掉的像素数量太大，无法接受。

我们需要首先了解什么是“平衡”（在经典cv2模块中也称为“ alpha” ），以及它如何影响未失真图像的尺寸和形状。先来看一个比较极端的图像矫正的例子。

矫正前

矫正后

注意：如您所知，OpenCVfisheye模块通过将角拉伸得过大而过度补偿了角。但这对于大多数图像来说效果都是挺好的。

这里涉及3个不同的维度：

dim1。原始图像的尺寸。
dim2。这是在使图像不失真之后要保留的尺寸。dim2很难理解，因为它受的影响balance，它基本上告诉OpenCV要保留多少图像。当时balance = 0，OpenCV将保留图像的最佳部分。而balance = 1，OpenCV保留原始图像的每个像素，这意味着很多黑色填充区域和过度拉伸的角。dim2其长宽比必须与相同dim1。
dim3。OpenCV将放置未失真图像的最终包装盒的尺寸。它可以是任何大小和任何纵横比。但是大多数情况下，除非想对未失真的图像进行裁剪，否则我们希望使其与原图像相同。

希望下面的程序比正式的OpenCV文档更容易理解。将dim2，dim3和balance（dim1可以从输入图像派生）传递到undistort下面的方法。

# You should replace these 3 lines with the output in calibration stepDIM=XXXK=np.array(YYY)D=np.array(ZZZ)def undistort(img_path, balance=0.0, dim2=None, dim3=None):    img = cv2.imread(img_path)    dim1 = img.shape[:2][::-1]  #dim1 is the dimension of input image to un-distort    assert dim1[0]/dim1[1] == DIM[0]/DIM[1], "Image to undistort needs to have same aspect ratio as the ones used in calibration"    if not dim2:        dim2 = dim1    if not dim3:        dim3 = dim1    scaled_K = K * dim1[0] / DIM[0]  # The values of K is to scale with image dimension.    scaled_K[2][2] = 1.0  # Except that K[2][2] is always 1.0    # This is how scaled_K, dim2 and balance are used to determine the final K used to un-distort image. OpenCV document failed to make this clear!    new_K = cv2.fisheye.estimateNewCameraMatrixForUndistortRectify(scaled_K, D, dim2, np.eye(3), balance=balance)    map1, map2 = cv2.fisheye.initUndistortRectifyMap(scaled_K, D, np.eye(3), new_K, dim3, cv2.CV_16SC2)    undistorted_img = cv2.remap(img, map1, map2, interpolation=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT)    cv2.imshow("undistorted", undistorted_img)    cv2.waitKey(0)    cv2.destroyAllWindows()if __name__ == '__main__':    for p in sys.argv[1:]:        undistort(p)

当然，大家应该尝试不同的值，以了解它们如何改变最终图像，达到一个平衡状态！

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~