Python使用OpenCV進行標定

不言原創: 2018-05-08 16:17:223228瀏覽

這篇文章主要介紹了關於Python使用OpenCV進行標定，有著一定的參考價值，現在分享給大家，有需要的朋友可以參考一下

本文結合OpenCV官方樣例，對官方樣例中的程式碼進行修改，使其能夠正常運行，並對自己採集的數據進行實驗和講解。

一、準備

OpenCV使用棋盤格板進行標定，如下圖所示。為了標定相機，我們需要輸入一系列三維點和它們對應的二維影像點。在黑白相間的棋盤格上，二維影像點很容易透過角點偵測找到。而對於真實世界中的三維點呢？由於我們採集中，是將相機放在一個地方，而將棋盤格定標板進行移動變換不同的位置，然後對其進行拍攝。所以我們要知道(X,Y,Z)的值。但簡單來說，我們定義棋盤格所在平面為XY平面，也就是Z=0。對於定標板來說，我們可以知道棋盤格的方塊尺寸，例如30mm，這樣我們就可以把棋盤格上的角點座標定義為(0,0,0)，(30,0,0)，( 60,0,0)，···，這個結果的單位是mm。

3D點稱為object points，2D映像點稱為image points。

二、偵測棋盤格角點

為了找到棋盤格模板，我們使用openCV中的函數cv2.findChessboardCorners()。我們也需要告訴程式我們使用的模板是什麼規格的，例如8*8的棋盤格或5*5棋盤格等，建議使用x方向和y方向個數不相等的棋盤格模板。下面實驗中，我們使用的是10*7的棋盤格，每個方格邊長是20mm，也就是含有9*6的內部角點。這個函數如果偵測到模板，會傳回對應的角點，並傳回true。當然不一定所有的圖像都能找到所需的模板，所以我們可以使用多個圖像來定標。除了使用棋盤格，我們還可以使用圓點陣，對應的函數為cv2.findCirclesGrid()。

找到角點後，我們可以使用cv2.cornerSubPix()可以得到更為準確的角點像素座標。我們也可以使用cv2.drawChessboardCorners()將角點繪製到圖片上顯示。如下圖所示：

三、標定

透過上面的步驟，我們得到了用於標定的三維點和與其對應的圖像上的二維點對。我們使用cv2.calibrateCamera()進行標定，這個函數會傳回標定結果、相機的內參數矩陣、畸變係數、旋轉矩陣和平移向量。

四、去畸變

第三步我們已經得到了相機內參和畸變係數，在將影像去畸變之前，我們還可以使用cv.getOptimalNewCameraMatrix()優化內參數和畸變係數，透過設定自由自由比例因子alpha。當alpha設為0的時候，會傳回一個剪裁過的將去畸變後不想要的像素去掉的內參數和畸變係數；當alpha設為1的時候，將會傳回一個包含額外黑色像素點的內參數和畸變係數，並傳回一個ROI用於將其剪裁掉。

然後我們就可以使用新得到的內參數矩陣和畸變係數對影像進行去畸變了。有兩種方法進行去畸變：

(1)使用cv2.undistort()

這是一個最直接的辦法，只用直接呼叫函數就可以得到去畸變的圖像，使用上面的ROI可以對其進行剪裁。程式碼如下：

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

# crop the image
x,y,w,h = roi
dst = dst[y:y+h, x:x+w]
cv2.imwrite(&#39;calibresult.png&#39;,dst)

下圖顯示將一張圖片去變形後，保留黑色像素的結果：

（2）使用remmaping

這是一個分兩步驟的方法，首先計算一個從畸變圖像到非畸變圖像的映射，然後使用這個映射關係對影像進行去畸變。
程式碼如下：

# undistort
mapx,mapy = cv2.initUndistortRectifyMap(mtx,dist,None,newcameramtx,(w,h),5)
dst = cv2.remap(img,mapx,mapy,cv2.INTER_LINEAR)

# crop the image
x,y,w,h = roi
dst = dst[y:y+h, x:x+w]
cv2.imwrite(&#39;calibresult.png&#39;,dst)

#五、反投影誤差

透過反投影誤差，我們可以來評估結果的好壞。越接近0，表示結果越理想。透過先前計算的內參數矩陣、畸變係數、旋轉矩陣和平移向量，使用cv2.projectPoints()計算三維點到二維影像的投影，然後計算反投影得到的點與影像上偵測到的點的誤差，最後計算一個對於所有標定影像的平均誤差，這個值就是反投影誤差。

程式碼

所有步驟的程式碼如下所示：

#coding:utf-8
import cv2
import numpy as np
import glob

# 找棋盘格角点
# 阈值
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
#棋盘格模板规格
w = 9
h = 6
# 世界坐标系中的棋盘格点,例如(0,0,0), (1,0,0), (2,0,0) ....,(8,5,0)，去掉Z坐标，记为二维矩阵
objp = np.zeros((w*h,3), np.float32)
objp[:,:2] = np.mgrid[0:w,0:h].T.reshape(-1,2)
# 储存棋盘格角点的世界坐标和图像坐标对
objpoints = [] # 在世界坐标系中的三维点
imgpoints = [] # 在图像平面的二维点

images = glob.glob(&#39;calib/*.png&#39;)
for fname in images:
 img = cv2.imread(fname)
 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
 # 找到棋盘格角点
 ret, corners = cv2.findChessboardCorners(gray, (w,h),None)
 # 如果找到足够点对，将其存储起来
 if ret == True:
  cv2.cornerSubPix(gray,corners,(11,11),(-1,-1),criteria)
  objpoints.append(objp)
  imgpoints.append(corners)
  # 将角点在图像上显示
  cv2.drawChessboardCorners(img, (w,h), corners, ret)
  cv2.imshow(&#39;findCorners&#39;,img)
  cv2.waitKey(1)
cv2.destroyAllWindows()

# 标定
ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None)

# 去畸变
img2 = cv2.imread(&#39;calib/00169.png&#39;)
h, w = img2.shape[:2]
newcameramtx, roi=cv2.getOptimalNewCameraMatrix(mtx,dist,(w,h),0,(w,h)) # 自由比例参数
dst = cv2.undistort(img2, mtx, dist, None, newcameramtx)
# 根据前面ROI区域裁剪图片
#x,y,w,h = roi
#dst = dst[y:y+h, x:x+w]
cv2.imwrite(&#39;calibresult.png&#39;,dst)

# 反投影误差
total_error = 0
for i in xrange(len(objpoints)):
 imgpoints2, _ = cv2.projectPoints(objpoints[i], rvecs[i], tvecs[i], mtx, dist)
 error = cv2.norm(imgpoints[i],imgpoints2, cv2.NORM_L2)/len(imgpoints2)
 total_error += error
print "total error: ", total_error/len(objpoints)

Python使用OpenCV進行標定

相關文章