背景：最近的項(xiàng)目中用到的圖像去畸變的知識(shí)，剛開(kāi)始是直接調(diào)用opencv中提供的函數(shù)cv::initUndistortRectifyMap()和cv::remap()函數(shù)，實(shí)現(xiàn)圖像的全局去畸變，但是由于圖像的分辨率很高，再加上，實(shí)際過(guò)程中我們只用到了很小一塊的圖像，所以為了降低電腦的負(fù)擔(dān)，則想選用局部圖像去畸變的方法來(lái)代替全局圖像去畸變。

于是我想到了《SLAM十四講》書(shū)中在相機(jī)模型中有相關(guān)的去畸變的代碼，我就直接使用測(cè)試了，效果還不錯(cuò)。

void LocalZoneUndistortion(cv::Mat& localImage, cv::Mat& undistortLocalImage) {undistortLocalImage = cv::Mat(localImage.rows, localImage.cols, CV_8UC1);for (int row = 0; row < localImage.rows; ++row) {for (int col = 0; col < localImage.cols; ++col) {double x = (col - cx_) / fx_;double y = (row - cy_) / fy_;double r = sqrt(x * x + y * y);double xDistorted = x * (1 + k1_ * r * r + k2_ * r * r * r * r) + 2 * p1_* x * y + p2_ * (r * r + 2 * x * x);double yDistorted = y * (1 + k1_ * r * r + k2_ * r * r * r * r) + p1_ * (r * r + 2 * y * y) + 2 * p2_* x * y;double uDistorted = fx_ * xDistorted + cx_;double vDistorted = fy_ * yDistorted + cy_;if (uDistorted >= 0 && vDistorted >= 0 && uDistorted < localImage.cols && vDistorted < localImage.rows) {undistortLocalImage.at<uchar>(row, col) = localImage.at<uchar>((int)vDistorted,(int)uDistorted);}else {undistortLocalImage.at<uchar>(row, col) = 0;} }}}

當(dāng)然在使用的時(shí)候要把相機(jī)內(nèi)參和畸變系數(shù)傳進(jìn)去呦，我這里是把它們定義為成員變量，就沒(méi)有傳進(jìn)去。其實(shí)我之前一直對(duì)這個(gè)去畸變的過(guò)程很困惑的，這明明是一個(gè)添加畸變的過(guò)程，為啥可以達(dá)到去畸變的效果呢？時(shí)隔多日之后再次使用這個(gè)函數(shù)，其實(shí)我還是沒(méi)怎么關(guān)心她背后的邏輯，直到我同時(shí)又需要完成對(duì)點(diǎn)添加畸變的任務(wù)，這個(gè)時(shí)候我才重新審視這兩個(gè)過(guò)程背后的邏輯。

添加畸變的函數(shù)如下

void Tracking::DistortPoints(cv::Point2f& undistPoint, cv::Point2f& distPoint) {double x = (undistPoint.x - cx_) / fx_;double y = (undistPoint.y - cy_) / fy_;double r2 = x * x + y * y;// Radial distorsiondouble xDistort = x * (1 + k1_ * r2 + k2_ * r2 * r2 + k3_ * r2 * r2 * r2);double yDistort = y * (1 + k1_ * r2 + k2_ * r2 * r2 + k3_ * r2 * r2 * r2);// Tangential distorsionxDistort = xDistort + (2 * p1_ * x * y + p2_ * (r2 + 2 * x * x));yDistort = yDistort + (p1_ * (r2 + 2 * y * y) + 2 * p2_ * x * y);// Back to absolute coordinates.xDistort = xDistort * fx_ + cx_;yDistort = yDistort * fy_ + cy_;distPoint = cv::Point2f((float)xDistort, (float)yDistort);};

我們平時(shí)遇到的都是將帶有畸變的點(diǎn)轉(zhuǎn)換為不帶畸變的點(diǎn)，很少會(huì)遇到在不帶畸變的點(diǎn)上添加畸變，因?yàn)槲乙谝粋€(gè)帶有畸變的圖像上標(biāo)注一個(gè)不帶畸變的點(diǎn)，那標(biāo)注出的位置和我們真正的目標(biāo)之間就有一定的偏差了，這個(gè)時(shí)候只有在這些不帶畸變的點(diǎn)上添加上畸變，這樣才能適應(yīng)帶有畸變的圖像。

我們可以發(fā)現(xiàn)，上面兩個(gè)過(guò)程，去畸變和添加畸變剛開(kāi)始的部分都是在添加畸變的過(guò)程，

首先是將像素位置點(diǎn)，從像平面內(nèi)轉(zhuǎn)換到歸一化平面內(nèi)，

double x = (col - cx_) / fx_; double y = (row - cy_) / fy_; double x = (undistPoint.x - cx_) / fx_; double y = (undistPoint.y - cy_) / fy_;

然后再分別添加，徑向畸變和切向畸變，

// Radial distorsion double xDistort = x * (1 + k1_ * r2 + k2_ * r2 * r2 + k3_ * r2 * r2 * r2); double yDistort = y * (1 + k1_ * r2 + k2_ * r2 * r2 + k3_ * r2 * r2 * r2);// Tangential distorsion xDistort = xDistort + (2 * p1_ * x * y + p2_ * (r2 + 2 * x * x)); yDistort = yDistort + (p1_ * (r2 + 2 * y * y) + 2 * p2_ * x * y);

然后在把點(diǎn)轉(zhuǎn)換到像平面內(nèi)。

// Back to absolute coordinates. xDistort = xDistort * fx_ + cx_; yDistort = yDistort * fy_ + cy_;

以上這些步驟兩個(gè)過(guò)程是一樣的，最后一步是不一樣的。

在去畸變過(guò)程中，我們相當(dāng)于給不帶畸變的坐標(biāo)PointA添加畸變，得到帶有畸變的點(diǎn)PointB，而這正是我們直接獲取得到的帶有畸變的圖像I上的點(diǎn)，這個(gè)時(shí)候我們可以將帶有畸變的圖像上的PointB位置處的灰度值映射賦值給PointA的位置處，這樣操作圖像I上所有有效點(diǎn)，就完成了對(duì)帶有畸變的圖像I的去畸變操作。

if (uDistorted >= 0 && vDistorted >= 0 && uDistorted < localImage.cols && vDistorted < localImage.rows) {undistortLocalImage.at<uchar>(row, col) = localImage.at<uchar>((int)vDistorted,(int)uDistorted); } else {undistortLocalImage.at<uchar>(row, col) = 0; }

而添加畸變的過(guò)程就比較好理解了，就是給不帶有畸變的點(diǎn)添加上徑向畸變和切向畸變，直接得到帶畸變的點(diǎn)。

總結(jié)

以上是生活随笔為你收集整理的图像去畸变和添加畸变的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。