当前位置：首页 > news >正文

【图像处理基石】什么是畸变校正？

news 2025/7/21 8:35:12

在这里插入图片描述

畸变校正的定义与常用算法

畸变校正是一种用于消除图像或视频中因镜头光学特性或传感器排列问题而产生的几何失真的技术。在计算机视觉和摄影领域，畸变校正对于提高图像质量、精确测量以及后续分析（如目标检测、三维重建）至关重要。常见的畸变类型包括径向畸变（桶形或枕形失真）和切向畸变（由于镜头与图像平面不平行导致）。

常用的畸变校正算法包括：

张正友标定法：通过多幅不同角度的棋盘格图像估计相机内参和畸变系数。
直接线性变换(DLT)：基于共线方程的线性解法，适用于已知控制点的情况。
多项式模型：使用多项式函数（如Brown-Conrady模型）描述径向和切向畸变。
基于物理模型的方法：考虑镜头光学特性的物理模型，如鱼眼镜头的统一投影模型。

传统畸变校正算法的Python实现

下面是基于OpenCV库实现的张正友标定法和多项式模型畸变校正：

import numpy as np
import cv2
import glob
import matplotlib.pyplot as plt# 1. 张正友标定法实现
def camera_calibration(images_path, pattern_size=(9, 6)):"""使用张正友标定法计算相机内参和畸变系数参数:images_path: 包含标定板图像的路径模式，如'./calibration_images/*.jpg'pattern_size: 标定板内角点的行数和列数返回:camera_matrix: 相机内参矩阵dist_coeffs: 畸变系数rvecs: 旋转向量tvecs: 平移向量"""# 准备对象点，如 (0,0,0), (1,0,0), (2,0,0) ..., (8,5,0)objp = np.zeros((pattern_size[0] * pattern_size[1], 3), np.float32)objp[:, :2] = np.mgrid[0:pattern_size[0], 0:pattern_size[1]].T.reshape(-1, 2)# 存储对象点和图像点的数组objpoints = []  # 三维点在世界坐标系中的位置imgpoints = []  # 二维点在图像平面的位置# 读取图像images = glob.glob(images_path)for fname in images:img = cv2.imread(fname)gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 查找棋盘格角点ret, corners = cv2.findChessboardCorners(gray, pattern_size, None)# 如果找到，添加对象点和图像点if ret:objpoints.append(objp)# 亚像素级角点检测，提高角点精度corners2 = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1),(cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001))imgpoints.append(corners2)# 标定相机ret, camera_matrix, dist_coeffs, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None)return camera_matrix, dist_coeffs, rvecs, tvecs# 2. 图像畸变校正函数
def undistort_image(image_path, camera_matrix, dist_coeffs):"""使用相机内参和畸变系数校正图像畸变参数:image_path: 待校正图像的路径camera_matrix: 相机内参矩阵dist_coeffs: 畸变系数返回:undistorted_img: 校正后的图像"""# 读取图像img = cv2.imread(image_path)# 获取图像尺寸h, w = img.shape[:2]# 优化相机内参new_camera_matrix, roi = cv2.getOptimalNewCameraMatrix(camera_matrix, dist_coeffs, (w, h), 1, (w, h))# 校正畸变undistorted_img = cv2.undistort(img, camera_matrix, dist_coeffs, None, new_camera_matrix)# 裁剪图像以去除黑边x, y, w, h = roiundistorted_img = undistorted_img[y:y+h, x:x+w]return undistorted_img# 3. 示例使用
if __name__ == "__main__":# 标定相机camera_matrix, dist_coeffs, rvecs, tvecs = camera_calibration(images_path='./calibration_images/*.jpg', pattern_size=(9, 6))print("相机内参矩阵:")print(camera_matrix)print("\n畸变系数:")print(dist_coeffs)# 校正示例图像test_image_path = './test_image.jpg'undistorted_img = undistort_image(test_image_path, camera_matrix, dist_coeffs)# 显示原始图像和校正后的图像original_img = cv2.imread(test_image_path)original_img = cv2.cvtColor(original_img, cv2.COLOR_BGR2RGB)undistorted_img = cv2.cvtColor(undistorted_img, cv2.COLOR_BGR2RGB)plt.figure(figsize=(12, 6))plt.subplot(121), plt.imshow(original_img)plt.title('原始图像'), plt.axis('off')plt.subplot(122), plt.imshow(undistorted_img)plt.title('校正后图像'), plt.axis('off')plt.tight_layout()plt.show()

代码解释

上述代码主要实现了两个核心功能：

相机标定：camera_calibration 函数使用张正友标定法计算相机内参和畸变系数。它通过以下步骤工作：
- 准备标定板的三维坐标点（世界坐标系）
- 在多幅图像中检测棋盘格角点并精确化其位置
- 使用OpenCV的 calibrateCamera 函数计算相机内参矩阵和畸变系数
图像畸变校正：undistort_image 函数使用计算得到的相机参数校正图像畸变：
- 读取待校正图像并获取尺寸
- 优化相机内参以减少黑边
- 使用 undistort 函数校正畸变
- 裁剪图像以去除校正后可能出现的黑边