目录
前言
核心函数:
Cv2.FindChessboardCorners:检测角点
Cv2.DrawChessboardCorners:绘制角点
Cv2.CalibrateCamera:相机标定
结果:
demo:
前言
相机标定是指确定相机内参和畸变参数的过程,而图像矫正则是对图像进行去畸变操作,以提高图像质量和准确性。
相机标定是的目标是确定相机的内部参数,如焦距、主点坐标,以及外部参数,如旋转和平移矩阵。通过在已知场景中拍摄棋盘格等结构物体,利用图像中的特征点,可以利用相机标定技术得到相机的准确内外参数,从而提高图像处理的精度和可靠性。
图像矫正是在相机标定的基础上进行的。由于相机透镜的制造和安装等原因,图像中的畸变是不可避免的。这种畸变表现为图像中直线弯曲、角点失真等现象。图像矫正通过对图像进行几何变换,消除或减小这些畸变,使图像更符合几何规律,有助于提高后续图像处理的准确性和稳定性。
核心函数:
Cv2.FindChessboardCorners:检测角点
bool FindChessboardCorners(
Mat image,
Size patternSize,
out Point2f[] corners,
ChessboardFlags flags =
ChessboardFlags.AdaptiveThresh | ChessboardFlags.NormalizeImage);
image: 输入图像,应该是灰度图像。 patternSize: 棋盘格内角点的数量,Size 对象,例如 new Size(columns, rows)。 corners: 输出参数,用于存储检测到的内角点的数组。 flags: 一些标志位,用于指定棋盘格检测的一些参数。在这里,AdaptiveThresh 表示使用自适应阈值,NormalizeImage 表示对图像进行归一化处理。你可以根据需要进行调整。
Cv2.DrawChessboardCorners:绘制角点
Cv2.DrawChessboardCorners(Mat image, Size patternSize,
Mat corners, bool patternWasFound);
Mat image: 输入图像,是一个 Mat 对象。 Size patternSize: 棋盘格的尺寸,用于指定棋盘格上的行数和列数。 Mat corners: 包含棋盘格角点的 Mat 对象。这通常是通过 Cv2.FindChessboardCorners 检测到的角点。 bool patternWasFound: 一个标志,指示是否成功检测到整个棋盘格。如果检测成功,就传递 true;否则,传递 false。
Cv2.CalibrateCamera:相机标定
double Cv2.CalibrateCamera(
Mat[] objectPoints,
Mat[] imagePoints,
Size imageSize,
Mat cameraMatrix,
Mat distCoeffs,
out Mat[] rvecs,
out Mat[] tvecs,
CalibrationFlags flags = CalibrationFlags.ZeroTangentDist | CalibrationFlags.FixK3,
TermCriteria criteria = null );
objectPoints: 世界坐标系中的三维点,这些点对应于棋盘格的内角点。这是一个 Mat[] 数组,每个元素都包含一个图像的三维点坐标。 imagePoints: 图像上对应于 objectPoints 的二维点。这是一个 Mat[] 数组,每个元素都包含一个图像的二维点坐标。 imageSize: 输入图像的大小。 cameraMatrix: 输出参数,相机内参矩阵。 distCoeffs: 输出参数,畸变系数。 rvecs: 输出参数,旋转向量的数组。 tvecs: 输出参数,平移向量的数组。 flags: 标志位,用于指定标定的一些参数,例如是否考虑切向畸变等。 criteria: 标定终止的准则,它是一个 TermCriteria 类型的对象,用于指定算法的终止条件,例如最大迭代次数。
该方法返回标定的均方根误差(RMS误差),是所有图像中重投影误差的平均值的平方根。
Cv2.GetOptimalNewCameraMaxtrix() :获取最佳新相机矩阵
public static Mat GetOptimalNewCameraMatrix(
Mat cameraMatrix, Mat distCoeffs,
Size imageSize, double alpha,
Size newImgSize, out Rect validPixROI)
cameraMatrix: 输入的相机内参矩阵。distCoeffs: 输入的相机畸变系数。imageSize: 输入图像的尺寸。alpha: 缩放因子,控制校正图像中有效像素的范围。如果 alpha 是负数,将会保留所有有效像素,如果是正数,会裁剪掉无效像素,同时保留尽可能多的有效像素。newImgSize: 新图像的尺寸,可以保持原始图像尺寸或者根据需要调整。validPixROI: 输出参数,表示畸变校正后图像中的有效像素区域。 这个方法的返回值是新的相机矩阵 Mat
源码(注释详细):
using OpenCvSharp;
using System;
using System.Collections.Generic;
namespace 相机棋盘格矫正
{
class Program
{
// 定义静态变量,用于设置棋盘格的宽度和高度
private static int BoardSize_Width = 9;
private static int BoardSize_Height = 6;
private static Size BoardSize = new Size(BoardSize_Width, BoardSize_Height);
// 定义静态变量,用于设置每个方格的宽度
private static int SquareSize = 50;
private static int winSize = 11;
static void Main(string[] args)
{
// 运行标定相机的逻辑
Run();
}
// 标定相机的主要逻辑
private static void Run()
{
// 存储图像文件路径
List
@"C:\Users\CGW\Desktop\OpenCvSharp棋盘格标定\CvCalibrate\bin\Debug\ChessBoard1\left01.jpg",
// @"C:\Users\CGW\Desktop\OpenCvSharp棋盘格标定\CvCalibrate\bin\Debug\ChessBoard1\left02.jpg",
// @"C:\Users\CGW\Desktop\OpenCvSharp棋盘格标定\CvCalibrate\bin\Debug\ChessBoard1\left03.jpg",
// @"C:\Users\CGW\Desktop\OpenCvSharp棋盘格标定\CvCalibrate\bin\Debug\ChessBoard1\left04.jpg",
// @"C:\Users\CGW\Desktop\OpenCvSharp棋盘格标定\CvCalibrate\bin\Debug\ChessBoard1\left05.jpg"
};
// 存储每个图像的棋盘角点
List
// 相机内参矩阵和畸变系数
Mat cameraMatrix = new Mat(), distCoeffs = new Mat();
// 图像的尺寸
Size imageSize = new Size();
bool found = false;
// 存储角点坐标的 Mat 数组
Mat[] imagesPointsM = new Mat[imagesList.Count];
// 遍历图像列表
foreach (var imagePath in imagesList)
{
// 读取图像
Mat view = new Mat(imagePath);
if (!view.Empty())
{
imageSize = view.Size();
Point2f[] pointBuf;
// 查找棋盘角点
found = Cv2.FindChessboardCorners(view, BoardSize, out pointBuf, ChessboardFlags.AdaptiveThresh | ChessboardFlags.NormalizeImage);
if (found)
{
// 灰度化
Mat viewGray = new Mat();
Cv2.CvtColor(view, viewGray, ColorConversionCodes.BGR2GRAY);
// 亚像素精确化
Cv2.CornerSubPix(viewGray, pointBuf, new Size(winSize, winSize), new Size(-1, -1), new TermCriteria(CriteriaTypes.Eps | CriteriaTypes.Count, 30, 0.0001));
// 存储角点坐标
imagesPoints.Add(pointBuf);
Mat p = Mat.FromArray
imagesPointsM[imagesList.IndexOf(imagePath)] = p;
// 在图像上绘制角点
Cv2.DrawChessboardCorners(view, BoardSize, pointBuf, found);
Mat temp = view.Clone();
Cv2.ImShow("Image View", view);
Cv2.WaitKey(500);
}
}
}
Mat[] rvecs = new Mat[0];
Mat[] tvecs = new Mat[0];
// 运行相机标定
RunCalibration(imagesList.Count, imageSize, out cameraMatrix, out distCoeffs, imagesPointsM, out rvecs, out tvecs, out double totalAvgErr);
// 打印相机矩阵、畸变系数和平均误差
Console.WriteLine("相机矩阵:\n{0}", Cv2.Format(cameraMatrix)+"\n");
Console.WriteLine("畸变系数:\n{0}", Cv2.Format(distCoeffs) + "\n");
Console.WriteLine("平均误差:\n{0}", totalAvgErr + "\n");
// 畸变校正
Mat map1 = new Mat();
Mat map2 = new Mat();
Mat newCameraMatrix = Cv2.GetOptimalNewCameraMatrix(cameraMatrix, distCoeffs, imageSize, 1, imageSize, out Rect roi);
Cv2.InitUndistortRectifyMap(cameraMatrix, distCoeffs, new Mat(), newCameraMatrix, imageSize, MatType.CV_16SC2, map1, map2);
// 遍历图像并显示校正后的图像
foreach (var imagePath in imagesList)
{
Mat view = Cv2.ImRead(imagePath, ImreadModes.Color);
Mat rview = new Mat();
if (view.Empty())
continue;
// 校正
Cv2.Remap(view, rview, map1, map2, InterpolationFlags.Linear);
Cv2.ImShow("Image RView", rview);
Cv2.WaitKey(500);
}
Cv2.WaitKey();
}
// 运行相机标定
private static void RunCalibration(int imagesCount, Size imageSize, out Mat cameraMatrix, out Mat distCoeffs, Mat[] imagePoints, out Mat[] rvecs, out Mat[] tvecs, out double totalAvgErr)
{
// 初始化相机矩阵和畸变系数
cameraMatrix = Mat.Eye(new Size(3, 3), MatType.CV_64F);
distCoeffs = Mat.Zeros(new Size(8, 1), MatType.CV_64F);
// 计算棋盘角点的世界坐标
Mat[] objectPoints = CalcBoardCornerPositions(BoardSize, SquareSize, imagesCount);
// 进行相机标定
double rms = Cv2.CalibrateCamera(objectPoints, imagePoints, imageSize, cameraMatrix, distCoeffs, out rvecs, out tvecs, CalibrationFlags.None);
// 检查相机矩阵和畸变系数的范围
bool ok = Cv2.CheckRange(InputArray.Create(cameraMatrix)) && Cv2.CheckRange(InputArray.Create(distCoeffs));
// 计算重投影误差
totalAvgErr = ComputeReprojectionErrors(objectPoints, imagePoints, rvecs, tvecs, cameraMatrix, distCoeffs);
}
// 计算棋盘角点的世界坐标
private static Mat[] CalcBoardCornerPositions(Size BoardSize, float SquareSize, int imagesCount)
{
Mat[] corners = new Mat[imagesCount];
// 遍历每张图片
for (int k = 0; k < imagesCount; k++)
{
Point3f[] p = new Point3f[BoardSize.Height * BoardSize.Width];
for (int i = 0; i < BoardSize.Height; i++)
{
for (int j = 0; j < BoardSize.Width; j++)
{
// 计算每个格子的三维坐标并储存在一维数组 p 中
p[i * BoardSize.Width + j] = new Point3f(j * SquareSize, i * SquareSize, 0);
}
}
// 将三维坐标转换成 Mat 类型并存储再 corners 数组中
corners[k] = Mat.FromArray
}
return corners;
}
// 计算重投影误差
private static double ComputeReprojectionErrors(Mat[] objectPoints, Mat[] imagePoints, Mat[] rvecs, Mat[] tvecs, Mat cameraMatrix, Mat distCoeffs)
{
Mat imagePoints2 = new Mat();
int totalPoints = 0;
double totalErr = 0, err;
for (int i = 0; i < objectPoints.Length; ++i)
{
Cv2.ProjectPoints(objectPoints[i], rvecs[i], tvecs[i], cameraMatrix, distCoeffs, imagePoints2);
err = Cv2.Norm(imagePoints[i], imagePoints2, NormTypes.L2);
int n = objectPoints[i].Width * objectPoints[i].Height;
totalErr += err * err;
totalPoints += n;
}
return Math.Sqrt(totalErr / totalPoints);
}
}
}
结果:
demo:
棋盘格标定demo
提取码:axjq
当项目只包含代码文件而没有解决方案文件时,可以手动创建一个解决方案,并将项目添加到解决方案中:
创建解决方案文件:
打开 Visual Studio。点击 Visual Studio 的“文件”(File)菜单。选择“新建”(New)-> “项目”(Project)。在项目类型中,选择“其他项目类型” -> “Visual Studio 解决方案” -> “空白解决方案”。输入解决方案的名称,选择保存的位置,然后点击“确定”按钮。 将项目添加到解决方案中:
在解决方案资源管理器中(一般在 Visual Studio 左侧),右键单击解决方案,选择“添加” -> “现有项目”。在弹出的对话框中,浏览到你的项目所在的文件夹,选择项目文件(一般是 .csproj 文件),然后点击“添加”。 设置启动项目(可选):
如果你的项目是一个控制台应用或者类库,你可以设置启动项目。右键单击解决方案中的一个项目,选择“设为启动项目”。 构建和运行:
构建解决方案:点击 Visual Studio 的“生成”(Build)菜单,选择“生成解决方案”。运行项目:按下 F5 键或者点击工具栏上的“开始调试”按钮。
文章链接
发表评论