這篇文章主要介紹Python怎么使用OpenCV進行標定，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

創新互聯建站擁有網站維護技術和項目管理團隊，建立的售前、實施和售后服務體系，為客戶提供定制化的成都網站設計、網站制作、網站維護、西部信息服務器托管解決方案。為客戶網站安全和日常運維提供整體管家式外包優質服務。我們的網站維護服務覆蓋集團企業、上市公司、外企網站、電子商務商城網站建設、政府網站等各類型客戶群體，為全球上1000+企業提供全方位網站維護、服務器維護解決方案。

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圖像點。在黑白相間的棋盤格上，二維圖像點很容易通過角點檢測找到。而對于真實世界中的三維點呢？由于我們采集中，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，然后對其進行拍攝。所以我們需要知道(X,Y,Z)的值。但是簡單來說，我們定義棋盤格所在平面為XY平面，即Z=0。對于定標板來說，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坐標定義為(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圖像點稱為image points。

二、檢測棋盤格角點

為了找到棋盤格模板，我們使用openCV中的函數cv2.findChessboardCorners()。我們也需要告訴程序我們使用的模板是什么規格的，例如8*8的棋盤格或者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，即含有9*6的內部角點。這個函數如果檢測到模板，會返回對應的角點，并返回true。當然不一定所有的圖像都能找到需要的模板，所以我們可以使用多幅圖像進行定標。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()。

找到角點后，我們可以使用cv2.cornerSubPix()可以得到更為準確的角點像素坐標。我們也可以使用cv2.drawChessboardCorners()將角點繪制到圖像上顯示。如下圖所示：

三、標定

通過上面的步驟，我們得到了用于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，這個函數會返回標定結果、相機的內參數矩陣、畸變系數、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系數，在將圖像去畸變之前，我們還可以使用cv.getOptimalNewCameraMatrix()優化內參數和畸變系數，通過設定自由自由比例因子alpha。當alpha設為0的時候，將會返回一個剪裁過的將去畸變后不想要的像素去掉的內參數和畸變系數；當alpha設為1的時候，將會返回一個包含額外黑色像素點的內參數和畸變系數，并返回一個ROI用于將其剪裁掉。

然后我們就可以使用新得到的內參數矩陣和畸變系數對圖像進行去畸變了。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，只用直接調用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。代碼如下：

# 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('calibresult.png',dst)

下圖顯示將一張圖片去畸變后，保留黑色像素的結果：

（2）使用remmaping

這是一個分兩步的方法，首先計算一個從畸變圖像到非畸變圖像的映射，然后使用這個映射關系對圖像進行去畸變。
代碼如下：

# 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('calibresult.png',dst)

五、反投影誤差

通過反投影誤差，我們可以來評估結果的好壞。越接近0，說明結果越理想。通過之前計算的內參數矩陣、畸變系數、旋轉矩陣和平移向量，使用cv2.projectPoints()計算三維點到二維圖像的投影，然后計算反投影得到的點與圖像上檢測到的點的誤差，最后計算一個對于所有標定圖像的平均誤差，這個值就是反投影誤差。

代碼

所有步驟的代碼如下所示：

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

# 找棋盤格角點
# 閾值
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
#棋盤格模板規格
w = 9
h = 6
# 世界坐標系中的棋盤格點,例如(0,0,0), (1,0,0), (2,0,0) ....,(8,5,0)，去掉Z坐標，記為二維矩陣
objp = np.zeros((w*h,3), np.float32)
objp[:,:2] = np.mgrid[0:w,0:h].T.reshape(-1,2)
# 儲存棋盤格角點的世界坐標和圖像坐標對
objpoints = [] # 在世界坐標系中的三維點
imgpoints = [] # 在圖像平面的二維點

images = glob.glob('calib/*.png')
for fname in images:
 img = cv2.imread(fname)
 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
 # 找到棋盤格角點
 ret, corners = cv2.findChessboardCorners(gray, (w,h),None)
 # 如果找到足夠點對，將其存儲起來
 if ret == True:
  cv2.cornerSubPix(gray,corners,(11,11),(-1,-1),criteria)
  objpoints.append(objp)
  imgpoints.append(corners)
  # 將角點在圖像上顯示
  cv2.drawChessboardCorners(img, (w,h), corners, ret)
  cv2.imshow('findCorners',img)
  cv2.waitKey(1)
cv2.destroyAllWindows()

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

# 去畸變
img2 = cv2.imread('calib/00169.png')
h, w = img2.shape[:2]
newcameramtx, roi=cv2.getOptimalNewCameraMatrix(mtx,dist,(w,h),0,(w,h)) # 自由比例參數
dst = cv2.undistort(img2, mtx, dist, None, newcameramtx)
# 根據前面ROI區域裁剪圖片
#x,y,w,h = roi
#dst = dst[y:y+h, x:x+w]
cv2.imwrite('calibresult.png',dst)

# 反投影誤差
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)

以上是“Python怎么使用OpenCV進行標定”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注創新互聯行業資訊頻道！

網頁標題：Python怎么使用OpenCV進行標定-創新互聯
標題來源：http://vcdvsql.cn/article24/ggice.html

成都網站建設公司_創新互聯，為您提供網站內鏈、品牌網站建設、商城網站、全網營銷推廣、定制開發、網站改版

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯