今天小编给大家分享一下python如何用OpenCV实现相机校正的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。

根据张正友校正算法，利用棋盘格数据校正对车载相机进行校正，计算其内参矩阵，外参矩阵和畸变系数。

标定的流程是：

准备棋盘格数据，即用于标定的图片

对每一张图片提取角点信息

在棋盘上绘制提取到的角点（非必须，只是为了显示结果）

利用提取的角点对相机进行标定

获取相机的参数信息

1、寻找棋盘图中的棋盘角点

rect,corners=cv2.findChessboardCorners(image,pattern_size,flags)

参数：

Image: 输入的棋盘图，必须是8位的灰度或者彩色图像

Pattern_size:棋盘图中每行每列的角点个数（内角点）。

flags: 用来定义额外的滤波步骤以有助于寻找棋盘角点。所有的变量都可以单独或者以逻辑或的方式组合使用。取值主要有：

CV_CALIB_CB_ADAPTIVE_THRESH ：使用自适应阈值（通过平均图像亮度计算得到）将图像转换为黑白图，而不是一个固定的阈值。

CV_CALIB_CB_NORMALIZE_IMAGE ：在利用固定阈值或者自适应的阈值进行二值化之前，先使用cvNormalizeHist来均衡化图像亮度。

CV_CALIB_CB_FILTER_QUADS ：使用其他的准则（如轮廓面积，周长，方形形状）来去除在轮廓检测阶段检测到的错误方块。

返回：

Corners:检测到的角点

rect: 输出是否找到角点，找到角点返回1，否则返回0

2、检测完角点之后可以将测到的角点绘制在图像上，使用的API是：

cv2.drawChessboardCorners(img,pattern_size,corners,rect)

参数：

Img: 预绘制检测角点的图像

pattern_size : 预绘制的角点的形状

corners: 角点矩阵

rect： 表示是否所有的棋盘角点被找到，可以设置为findChessboardCorners的返回值

注意：如果发现了所有的角点，那么角点将用不同颜色绘制（每行使用单独的颜色绘制），并且把角点以一定顺序用线连接起来。

3、利用定标的结果计算内外参数

ret,mtx,dist,rvecs,tvecs=cv2.calibrateCamera(object_points,image_points,image_size,None,None)

参数：

Object_points:世界坐标系中的点，在使用棋盘的场合，令z的坐标值为0，而x,y坐标用里面来度量，选用英寸单位，那么所有参数计算的结果也是用英寸表示。最简单的方式是定义棋盘的每一个方块为一个单位。

image_points:在图像中寻找到的角点的坐标，包含object_points所提供的所有点

image_size: 图像的大小，以像素为衡量单位

返回：

ret: 返回值

mtx: 相机的内参矩阵，大小为3*3的矩阵

dist: 畸变系数，为5*1大小的矢量

rvecs: 旋转变量

tvecs: 平移变量

2.1 图像去畸变

上一步中得到相机的内参及畸变系数，利用其进行图像的去畸变，最直接的方法就是调用opencv中的函数得到去畸变的图像：

defimg_undistort(img,mtx,dist):dst=cv2.undistort(img,mtx,dist,None,mtx)returndst

求畸变的API:

dst=cv2.undistort(img,mtx,dist,None,mtx)

参数：

Img: 要进行校正的图像

mtx: 相机的内参

dist: 相机的畸变系数

返回：

dst: 图像校正后的结果

importcv2importnumpyasnpimportmatplotlib.pyplotaspltimportmatplotlib.imageasmpimgimportglobdefplot_contrast_imgs(origin_img,converted_img,origin_img_title="origin_img",converted_img_title="converted_img",converted_img_gray=False):"""用于对比显示两幅图像"""fig,(ax1,ax2)=plt.subplots(1,2,figsize=(15,20))ax1.set_title(origin_img_title)ax1.imshow(origin_img)ax2.set_title(converted_img_title)ifconverted_img_gray==True:ax2.imshow(converted_img,cmap="gray")else:ax2.imshow(converted_img)plt.show()#1.参数设定:定义棋盘横向和纵向的角点个数并指定校正图像的位置nx=9ny=6file_paths=glob.glob("./camera_cal/calibration*.jpg")#2.计算相机的内外参数及畸变系数defcal_calibrate_params(file_paths):object_points=[]#三维空间中的点：3Dimage_points=[]#图像空间中的点：2d#2.1生成真实的交点坐标：类似(0,0,0),(1,0,0),(2,0,0)....,(6,5,0)的三维点objp=np.zeros((nx*ny,3),np.float32)objp[:,:2]=np.mgrid[0:nx,0:ny].T.reshape(-1,2)#2.2检测每幅图像角点坐标forfile_pathinfile_paths:img=cv2.imread(file_path)#将图像转换为灰度图gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#自动检测棋盘格内4个棋盘格的角点（2白2黑的交点）rect,corners=cv2.findChessboardCorners(gray,(nx,ny),None)#若检测到角点，则将其存储到object_points和image_pointsifrect==True:object_points.append(objp)image_points.append(corners)#2.3获取相机参数ret,mtx,dist,rvecs,tvecs=cv2.calibrateCamera(object_points,image_points,gray.shape[::-1],None,None)returnret,mtx,dist,rvecs,tvecsdefimg_undistort(img,mtx,dist):"""图像去畸变"""returncv2.undistort(img,mtx,dist,None,mtx)#测试去畸变函数的效果file_paths=glob.glob("./camera_cal/calibration*.jpg")ret,mtx,dist,rvecs,tvecs=cal_calibrate_params(file_paths)ifmtx.any()!=None:#a.any()ora.all()img=mpimg.imread("./camera_cal/calibration1.jpg")undistort_img=img_undistort(img,mtx,dist)plot_contrast_imgs(img,undistort_img)print("done!")else:print("failed")

以上就是“python如何用OpenCV实现相机校正”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注亿速云行业资讯频道。