图像添加径向畸变

通常摄像机的镜头都会有镜头畸变，尤其是广角镜头，在做图像处理中往往会通过摄像机标定获取镜头的畸变系数，然后进行畸变校正。而在某些特殊的情况下，你可能会需要往图像中加入畸变，下面简单实现了一个向无畸变图像中人为加入径向畸变。

仍然以这幅风景图为例，我用手机拍摄的，畸变程度可以忽略：

1.人为加入桶形畸变（边缘放大率小于中心放大率，导致边缘像素点向图像中心移动）

 

视场缩放

2.人为加入枕形畸变（边缘放大率大于中心放大率，导致边缘像素点远离图像中心移动）

视场缩放

 

 代码实现如下，使用3D warping和双线性插值。加入桶形畸变disK=0.5，加入枕形畸变disk=-0.5，改变归一化焦距fx,fy实现视场的缩放，如fx=fx*scale和fy=fy*scale。

#include <iostream>
#include <string>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

void distortImg(const Mat &srcImg, Mat &dstImg, const float fx, const float fy, const float cx, const float cy)
{
    int imgHeight=srcImg.rows;
    int imgWidth=srcImg.cols;

    float disK=0.5;

    uchar* pSrcData=(uchar*)srcImg.data;
    uchar* pDstData=(uchar*)dstImg.data;
    for (int j=0; j<imgHeight; j++)
    {
        for (int i=0; i<imgWidth; i++)
        {
            //转到摄像机坐标系
            float X=(i-cx)/fx;
            float Y=(j-cy)/fy;
            float r2=X*X+Y*Y;
            //加上畸变
            float newX=X*(1+disK*r2);
            float newY=Y*(1+disK*r2);
            //再转到图像坐标系
            float u=newX*fx+cx;
            float v=newY*fy+cy;
            //双线性插值
            int u0=floor(u);
            int v0=floor(v);
            int u1=u0+1;
            int v1=v0+1;

            float dx=u-u0;
            float dy=v-v0;
            float weight1=(1-dx)*(1-dy);
            float weight2=dx*(1-dy);
            float weight3=(1-dx)*dy;
            float weight4=dx*dy;

            int resultIdx=j*imgWidth*3+i*3;
            if (u0>=0 && u1<imgWidth && v0>=0 && v1<imgHeight)
            {
                 pDstData[resultIdx+0]=weight1*pSrcData[v0*imgWidth*3 + u0*3+0]+weight2*pSrcData[v0*imgWidth*3+u1*3+0]
                    +weight3*pSrcData[v1*imgWidth*3 +u0*3+0]+weight4*pSrcData[v1*imgWidth*3 + u1*3+0];
                 pDstData[resultIdx+1]=weight1*pSrcData[v0*imgWidth*3 + u0*3+1]+weight2*pSrcData[v0*imgWidth*3+u1*3+1]
                    +weight3*pSrcData[v1*imgWidth*3 +u0*3+1]+weight4*pSrcData[v1*imgWidth*3 + u1*3+1];
                 pDstData[resultIdx+2]=weight1*pSrcData[v0*imgWidth*3 + u0*3+2]+weight2*pSrcData[v0*imgWidth*3+u1*3+2]
                    +weight3*pSrcData[v1*imgWidth*3 +u0*3+2]+weight4*pSrcData[v1*imgWidth*3 + u1*3+2];
            }
        }
    }
}

void main()
{
    string imgPath="data/source_images/";
    Mat srcImg = imread(imgPath+"moon.jpg");
    pyrDown(srcImg, srcImg);
    pyrDown(srcImg, srcImg);

    Mat dstImg = srcImg.clone();
    dstImg.setTo(0);

    namedWindow("showImg",0);
    imshow("showImg", srcImg);
    waitKey(0);

    float fx=930.965;
    float fy=930.884;
    float cx=513.823;
    float cy=385.656;

    distortImg(srcImg, dstImg, fx, fy, cx, cy);

    imshow("showImg", dstImg);
    waitKey(0);
}