OpenCV使用标定图

本文由 @lonelyrains 出品，转载请注明出处。 
文章链接： http://blog.csdn.net/lonelyrains/article/details/46915705

上一步生成标定图參考上一篇文章OpenCV生成标定图。

在生成标定图之后，须要用A4纸打印下来。才干拿到摄像头以下摆弄。

笔者使用的是imagelist图片列表的方式使用标定图。即先用摄像头拍一部分图片，然后再由以下说的校准project校准得到畸变參数——主要原因是还没有搞清楚怎么实时获取这个摄像头（海康威视）的视频流，眼下都是通过http从浏览器上登录訪问——OpenCV的校准演示样例本身是支持基于标定板视频流的实时校准的。

生成OpenCV识别的标定图列表的project：opencv248sourcessamplescppimagelist_creator.cpp。 使用命令演示样例：imagelist_creator imagelist.yaml *.png。得到imagelist.yaml例如以下：

<?xml version="1.0"?>
<opencv_storage>
<images>
  "1.png" "2.png" "3.png" "4.png" "5.png" "6.png" "7.png" "8.png"</images>
</opencv_storage>

使用标定图的校准project，參考OpenCV演示样例project：opencv248sourcessamplescppcalibration.cpp。使用命令演示样例：calibration  -w 9 -h 6 -pt chessboard -o camera.yaml -op -oe -su imagelist.xml。得到camera.yaml当中最关键的是摄像机内參数矩阵、畸变參数矩阵：

%YAML:1.0
calibration_time: "07/16/15 14:58:18"
camera_matrix: !!opencv-matrix
   rows: 3
   cols: 3
   dt: d
   data: [ 5.5977614554147385e+002, 0., 4.3513787505786939e+002, 0.,
       4.1717385931117281e+002, 2.3329672151206768e+002, 0., 0., 1. ]
distortion_coefficients: !!opencv-matrix
   rows: 5
   cols: 1
   dt: d
   data: [ -4.0702020878986456e-001, 2.5025002728793899e-001,
       -3.7768192568471098e-003, -9.1190914257643463e-004,
       -1.0546751146845158e-001 ]

庆幸的是calibration.cpp中已经包括了怎样对一张畸变图片进行校准。整理出关键代码为：

#include <time.h>

void loadCameraParams(Mat &cameraMatrix, Mat &distCoeffs)
{
	FileStorage fs( "camera.yaml", FileStorage::READ);

    fs ["camera_matrix"] >> cameraMatrix;
    fs ["distortion_coefficients"] >> distCoeffs;
}

Mat calibrator(Mat &view)
{
	vector<string> imageList;
	static bool bLoadCameraParams = false;
	static Mat cameraMatrix, distCoeffs, map1, map2;
	Mat rview;
	Size imageSize,newImageSize;

	if(!view.data)
		return Mat();

	imageSize.width = view.cols;
	imageSize.height = view.rows;

	newImageSize.width = imageSize.width;
	newImageSize.height = imageSize.height;

	if(bLoadCameraParams == false)
	{
		loadCameraParams(cameraMatrix, distCoeffs);
		bLoadCameraParams = true;
		initUndistortRectifyMap(cameraMatrix, distCoeffs, Mat(),
		getOptimalNewCameraMatrix(cameraMatrix, distCoeffs, imageSize, 1, newImageSize, 0), newImageSize, CV_16SC2, map1, map2);
	}
	
	//undistort( view, rview, cameraMatrix, distCoeffs, cameraMatrix );
	remap(view, rview, map1, map2, INTER_LINEAR);

	//imshow("Image View", rview);
	//int c = 0xff & waitKey();

	rview.copyTo(view);

	return view;
}

途中遇到的问题和解决步骤：

1、使用摄像头拍完标定图片，使用，发现调用过程中崩溃。

即对着摄像头照了的非常多张图片。依旧未找到一张能正确识别棋盘的。

2、使用OpenCV自带的图片opencv248sourcessamplescppleftXX.jpg，转成png，成功运行。

在识别到的棋盘中描出了角点。

3、为了减小问题出现的因素。尽量控制单一变量。使用行列同leftXX.jpg同样的标定板图片：宽9个小方格、高6个小方格。仍然不能识别。

4、怀疑是摄像头的畸变太严重，导致图片识别不了，就用手机摄像头试了一下。由于手机摄像头的畸变很小，基本能够忽略。结果尽管也不能识别。

可是将手机对着显示器拍照拍得的原始图片对着leftXX.jpg使用灰色边框，结果能够识别了！

5、再用摄像头拍的图片，使用灰色边框，发现仍然识别不了。假设摄像头畸变太严重导致识别不了，貌似也不太合情理，由于都是数字游戏呀。

方格应该能够比較好识别吧。畸变看起来也不是比leftXX.jpg大太多。剩下的仅仅能怀疑是打印纸的黑方格的黑色不明显。用毛笔涂黑（也是醉了）。

6、最后最终能够识别一部分图片了！也算大功告成吧。顺便歧视一把国内打印店的打印机质量，黑方格颜色太浅，咋leftXX.jpg外国打印机就打得那么神颜色。

原始畸变图片、校准工具描了角点的畸变图片和校正图片，取了同一张。分别例如以下：

添加了命令行的批处理文件，标定校准工具、图片打包下载链接：http://download.csdn.net/detail/lonelyrains/8906705