OpenCV15（摄像机标定）

1.源码（来源网上，作者未知。我添加了一些注释便于学习）

#include "stdafx.h"
#include "cv.h"
#include "highgui.h"
#include <string>
#include <iostream>

using namespace std;

int main()
{
int cube_length=7;

CvCapture* capture;

capture = cvCreateCameraCapture(0);

if(capture==0)
{
printf("无法捕获摄像头设备！\n\n");
return 0;
}
else
{
printf("捕获摄像头设备成功！！\n\n");
}

IplImage* frame;

cvNamedWindow("摄像机帧截取窗口",1); //cvNamedWindow()函数用于在屏幕上创建一个窗口，将被显示的图像包含于该窗口中。函数的第一个参数指定了该窗口的窗口标题,如果要使用HighGUI库所提供的其他函数与该窗口进行交互时，我们将通过该参数值引用这个窗口。

printf("按“C”键截取当前帧并保存为标定图片...\n按“Q”键退出截取帧过程...\n\n");

int number_image=1;
char *str1;
str1=".jpg";
char filename[20]="";
char key(0);

while(1)
{
frame = cvQueryFrame(capture);// 从摄像头或者文件中抓取并返回一帧
if(!frame)
break;
cvShowImage("摄像机帧截取窗口",frame); //图像显示
key = cvWaitKey(10);

if(key == 'c')
{
sprintf_s (filename,"%d.jpg",number_image); // int sprintf_s( char *buffer, size_t sizeOfBuffer, const char *format [, argument] ... );
//这个函数的主要作用是将若干个argument按照format格式存到buffer中
cvSaveImage(filename,frame);//保存，在工作目录中
cout<<"成功获取当前帧，并以文件名"<<filename<<"保存...\n\n";
printf("按“C”键截取当前帧并保存为标定图片...\n按“Q”键退出截取帧过程...\n\n");
number_image++;
}
else if(key =='q')
{
printf("截取图像帧过程完成...\n\n");
cout<<"共成功截取"<<--number_image<<"帧图像！！\n\n";
break;
}
}

cvReleaseImage(&frame); //释放图像

cvDestroyWindow("摄像机帧截取窗口");

IplImage * show;
cvNamedWindow("RePlay",1);

int a=1;
int number_image_copy = number_image;

CvSize board_size = cvSize(7,7);
// Cvsize:OpenCV的基本数据类型之一。表示矩阵框大小，以像素为精度。与CvPoint结构类似，但数据成员是integer类型的width和height。
//cvSize是构造Cvsize类型的函数，width，height

int board_width = board_size.width;
int board_height = board_size.height;
int total_per_image = board_width*board_height;
CvPoint2D32f * image_points_buf = new CvPoint2D32f[total_per_image];
CvMat * image_points = cvCreateMat(number_image*total_per_image,2,CV_32FC1);//图像坐标系
CvMat * object_points = cvCreateMat(number_image*total_per_image,3,CV_32FC1);//世界坐标系
CvMat * point_counts = cvCreateMat(number_image,1,CV_32SC1);//
CvMat * intrinsic_matrix = cvCreateMat(3,3,CV_32FC1);//
CvMat * distortion_coeffs = cvCreateMat(5,1,CV_32FC1);

int count;
int found;
int step;
int successes=0;

while(a<=number_image_copy)
{
sprintf_s (filename,"%d.jpg",a);
show = cvLoadImage(filename,-1);

found = cvFindChessboardCorners(show,board_size,image_points_buf,&count,
CV_CALIB_CB_ADAPTIVE_THRESH|CV_CALIB_CB_FILTER_QUADS);
if(found==0)
{
cout<<"第"<<a<<"帧图片无法找到棋盘格所有角点!\n\n";
cvNamedWindow("RePlay",1);
cvShowImage("RePlay",show);
cvWaitKey(0);

}else{
cout<<"第"<<a<<"帧图像成功获得"<<count<<"个角点...\n";

cvNamedWindow("RePlay",1);

IplImage * gray_image= cvCreateImage(cvGetSize(show),8,1); //创建头并分配数据IplImage* cvCreateImage( CvSize size, int depth, int channels ); depth 图像元素的位深度

cvCvtColor(show,gray_image,CV_BGR2GRAY); // cvCvtColor(...),是Opencv里的颜色空间转换函数，可以实现rgb颜色向HSV,HSI等颜色空间的转换，也可以转换为灰度图像。

cout<<"获取源图像灰度图过程完成...\n";
cvFindCornerSubPix(gray_image,image_points_buf,count,cvSize(11,11),cvSize(-1,-1),//由于非常接近P的像素产生了很小的特征值，所以这个自相关矩阵并不总是可逆的。为了解决这个问题，一般可以简单地剔除离P点非常近的像素。输入参数:ero_zone定义了一个禁区(与win相似，但通常比win小)，这个区域在方程组以及自相关矩阵中不被考虑。如果不需要这样一个禁区，则zero_zone应设置为cvSize(-1，-1)0
cvTermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER,30,0.1));
cout<<"灰度图亚像素化过程完成...\n";
cvDrawChessboardCorners(show,board_size,image_points_buf,count,found);
cout<<"在源图像上绘制角点过程完成...\n\n";
cvShowImage("RePlay",show);
cvWaitKey(0);
}

if(total_per_image == count){
step = successes*total_per_image;
for(int i=step,j=0;j<total_per_image;++i,++j){ //total_per_number是一幅图像中的角点总数。
CV_MAT_ELEM(*image_points,float,i,0)=image_points_buf[j].x; // opencv中用来访问矩阵每个元素的宏，这个宏只对单通道矩阵有效，多通道CV_MAT_ELEM( matrix, elemtype, row, col )参数　　matrix：要访问的矩阵　　elemtype：矩阵元素的类型　　row：所要访问元素的行数　　col：所要访问元素的列数
CV_MAT_ELEM(*image_points,float,i,1)=image_points_buf[j].y; // cvFindCornerSubPix求完每个角点横纵坐标值都存在image_point_buf里，现在将其存在image_points中，每行存一个，0列为x,1列为y
CV_MAT_ELEM(*object_points,float,i,0)=(float)(j/cube_length);  //N*3矩阵，每K各点在每M个图像上的物理坐标（N = K*M）
CV_MAT_ELEM(*object_points,float,i,1)=(float)(j%cube_length);
CV_MAT_ELEM(*object_points,float,i,2)=0.0f;
}
CV_MAT_ELEM(*point_counts,int,successes,0)=total_per_image;
successes++;
}
a++;
}
cvReleaseImage(&show);
cvDestroyWindow("RePlay");
cout<<"*********************************************\n";
cout<<number_image<<"帧图片中，标定成功的图片为"<<successes<<"帧...\n";
cout<<number_image<<"帧图片中，标定失败的图片为"<<number_image-successes<<"帧...\n\n";
cout<<"*********************************************\n\n";

cout<<"按任意键开始计算摄像机内参数...\n\n";

CvCapture* capture1;
capture1=cvCreateCameraCapture(0);
IplImage * show_colie;
show_colie=cvQueryFrame(capture1);

CvMat * object_points2=cvCreateMat(successes*total_per_image,3,CV_32FC1); // OpenCV 中重要的矩阵变换函数，使用方法为cvMat* cvCreateMat ( int rows, int cols, int type ); 这里type可以是任何预定义类型，预定义类型的结构如下：CV_<bit_depth> (S|U|F)C<number_of_channels>。

CvMat * image_points2=cvCreateMat(successes*total_per_image,2,CV_32FC1);
CvMat * point_counts2=cvCreateMat(successes,1,CV_32SC1);
for(int i=0;i<successes*total_per_image;++i){
CV_MAT_ELEM(*image_points2,float,i,0)=CV_MAT_ELEM(*image_points,float,i,0);//用来存储角点提取成功的图像的角点
CV_MAT_ELEM(*image_points2,float,i,1)=CV_MAT_ELEM(*image_points,float,i,1);
CV_MAT_ELEM(*object_points2,float,i,0)=CV_MAT_ELEM(*object_points,float,i,0);
CV_MAT_ELEM(*object_points2,float,i,1)=CV_MAT_ELEM(*object_points,float,i,1);
CV_MAT_ELEM(*object_points2,float,i,2)=CV_MAT_ELEM(*object_points,float,i,2);
}

for(int i=0;i<successes;++i){
CV_MAT_ELEM(*point_counts2,int,i,0)=CV_MAT_ELEM(*point_counts,int,i,0);
}

cvReleaseMat(&object_points);
cvReleaseMat(&image_points);
cvReleaseMat(&point_counts);

CV_MAT_ELEM(*intrinsic_matrix,float,0,0)=1.0f;
CV_MAT_ELEM(*intrinsic_matrix,float,1,1)=1.0f;

cvCalibrateCamera2(object_points2,image_points2,point_counts2,cvGetSize(show_colie),
intrinsic_matrix,distortion_coeffs,NULL,NULL,0);

cout<<"摄像机内参数矩阵为：\n";
cout<<CV_MAT_ELEM(*intrinsic_matrix,float,0,0)<<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,0,1)
<<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,0,2)
<<"\n\n";
cout<<CV_MAT_ELEM(*intrinsic_matrix,float,1,0)<<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,1,1)
<<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,1,2)
<<"\n\n";
cout<<CV_MAT_ELEM(*intrinsic_matrix,float,2,0)<<"    "<<CV_MAT_ELEM(*intrinsic_matrix,float,2,1)
<<"          "<<CV_MAT_ELEM(*intrinsic_matrix,float,2,2)
<<"\n\n";

cout<<"畸变系数矩阵为：\n";
cout<<CV_MAT_ELEM(*distortion_coeffs,float,0,0)<<"    "<<CV_MAT_ELEM(*distortion_coeffs,float,1,0)
<<"    "<<CV_MAT_ELEM(*distortion_coeffs,float,2,0)
<<"    "<<CV_MAT_ELEM(*distortion_coeffs,float,3,0)
<<"    "<<CV_MAT_ELEM(*distortion_coeffs,float,4,0)
<<"\n\n";

cvSave("Intrinsics.xml",intrinsic_matrix); //保存内参数和外参数，保存在工作目录下
cvSave("Distortion.xml",distortion_coeffs);

cout<<"摄像机矩阵、畸变系数向量已经分别存储在名为Intrinsics.xml、Distortion.xml文档中\n\n";

//显示校正结果，和原图像作比较

CvMat * intrinsic=(CvMat *)cvLoad("Intrinsics.xml");  //加载参数方法
CvMat * distortion=(CvMat *)cvLoad("Distortion.xml");

IplImage * mapx=cvCreateImage(cvGetSize(show_colie),IPL_DEPTH_32F,1);
IplImage * mapy=cvCreateImage(cvGetSize(show_colie),IPL_DEPTH_32F,1);

cvInitUndistortMap(intrinsic,distortion,mapx,mapy);//函数cvInitUndistortMap预先计算非形变对应－正确图像的每个像素在形变图像里的坐标。这个对应可以传递给cvRemap函数（跟输入和输出图像一起）。

cvNamedWindow("原始图像",1);
cvNamedWindow("非畸变图像",1);

cout<<"按‘E’键退出显示...\n\n";

while(show_colie){
IplImage * clone=cvCloneImage(show_colie);
cvShowImage("原始图像",show_colie);
cvRemap(clone,show_colie,mapx,mapy); //校正图像
cvReleaseImage(&clone);
cvShowImage("非畸变图像",show_colie);

if(cvWaitKey(10)=='e'){
break;
}

show_colie=cvQueryFrame(capture1);
}

return 0;
}

2.分过程例程讲解

首先，是棋盘角点的获取、绘制。这部分的程序介绍见OpenCV14

然后，是计算内外参数，主要涉及函数cvCalibrateCamera2()【和书上不大一样】

CVAPI(double) cvCalibrateCamera2( const CvMat* object_points,
const CvMat* image_points,
const CvMat* point_counts,
CvSize image_size,
CvMat* camera_matrix,
CvMat* distortion_coeffs,
CvMat* rotation_vectors CV_DEFAULT(NULL),
CvMat* translation_vectors CV_DEFAULT(NULL),
int flags CV_DEFAULT(0),
CvTermCriteria term_crit CV_DEFAULT(cvTermCriteria(
CV_TERMCRIT_ITER+CV_TERMCRIT_EPS,30,DBL_EPSILON)) );

书上的是：



注意变化：intrinsic_matrix 就是 camera_matrix 所以本质上是一样的，只是函数名发生变化

其中，
object_points是物理坐标，属于输入参数，要在之前的计算中获得。使用棋盘时，z为0，xy的单位是厘米（或者英寸）。定义棋盘的每个方格的边长为单位一，从而计算角点在这个坐标下的坐标（物理坐标）。

image_points是图像坐标，是角点在图像中的坐标值（单位：像素）。

point_counts是M幅图像中，每幅图像的角点数量，构成的M*1的矩阵（列向量），

image_size是图像的大小，可以使用cvGetSize(show_colie)

intrinsic_matrix是内参数，内部矩阵，输出结果

distortion_coeffs是内参数，形变系数，输出结果

rotation_vectors是外参数，旋转向量，输出结果

ranslation_vectors是外参数，平移向量，输出结果

（在上文给出的例子中，并没有求外部参数（旋转向量和位移向量））

接着，保存内部矩阵和形变系数

最后，每次摄像机就可以通过读取内部矩阵和形变系数，校正图像。

设计的函数有

cvInitUndistortMap(intrinsic,distortion,mapx,mapy);//函数cvInitUndistortMap预先计算非形变对应－正确图像的每个像素在形变图像里的坐标。这个对应可以传递给cvRemap函数（跟输入和输出图像一起）。

IplImage * clone=cvCloneImage(show_colie);
cvRemap(clone,show_colie,mapx,mapy); //校正图像，输入为clone，结果为show_colie
cvReleaseImage(&clone);
cvShowImage("非畸变图像",show_colie);

摄像机标定的结果以后在正式环境中只需要一次标定，以后就都可以通过调用参数，完成校正。
3.补充说明

使用cvCopy函数替代cvCloneImage会好一点，后者会有内存泄露的问题。

cvCopy本身复制的对象不会因为原图像消失而消失，后者会。

cvCopy在ROI设置之后，只会复制ROI区域图像。

4.直接读取摄像机内参数（内部矩阵和形变参数），显示校正后的图像

// 加载摄像机校正参数，显示校正后图像
// 2016.9.16 Alex
//

#include "stdafx.h"
#include "cv.h"
#include "cxcore.h"
#include "highgui.h"

int _tmain(int argc, _TCHAR* argv[])
{
IplImage * src = cvLoadImage("1.jpg",CV_LOAD_IMAGE_UNCHANGED);//图片在工作目录下
cvNamedWindow("Original");
cvShowImage("Original",src);

//加载校正用的内参数，内参数矩阵和形变系数
IplImage* mapx = cvCreateImage(cvGetSize(src),IPL_DEPTH_32F,1);
IplImage* mapy = cvCreateImage(cvGetSize(src),IPL_DEPTH_32F,1);
CvMat* intrinsic = (CvMat*)cvLoad("Intrinsics.xml");//加载
CvMat* distortion = (CvMat*)cvLoad("Distortion.xml");//图片在工作目录下
cvInitUndistortMap(intrinsic,distortion,mapx,mapy);//得到对应关系

IplImage* copy = cvCreateImage(cvGetSize(src),IPL_DEPTH_8U,3);
cvCopy(src,copy);//使用复制方法替代克隆，安全
cvRemap(copy,src,mapx,mapy);//重映射获得校正后的图像

//显示
cvNamedWindow("Calibration");
cvShowImage("Calibration",src);

cvWaitKey(0);
cvReleaseImage(&src);
cvDestroyWindow("Original");

return 0;
}

效果如下：