手动图像去畸变
实现了视觉SLAM十四讲的图像去畸变
opencv有提供去畸变函数,自己手写实现一遍理解更深刻
#include <opencv2/opencv.hpp>
#include <string>
using namespace std;
using namespace cv;
int main(int argc, char *argv[])
{
// 畸变参数
double k1 = -0.28340811, k2 = 0.07395907, p1 = 0.00019359, p2 = 1.76187114e-05;
// 内参
double fx = 458.654, fy = 457.296, cx = 367.215, cy = 248.375;
// 图像路径
//换成自己的图像路径
string path = "/home/yjh/opencv_study/image/distorted.png";
// 图像是灰度图
Mat image = imread(path, 0);
// 图像的行和列
int rows = image.rows, cols = image.cols;
// 去畸变以后的图
Mat image_undistort = Mat(rows, cols, CV_8UC1);
// 计算去畸变后图像的内容
for (int v = 0; v < rows; v++){
for (int u = 0; u < cols; u++){
// 按照公式,计算点(u,v)对应到畸变图像中的坐标(u_distorted, v_distorted)
// 归一化处理后Z = 1,单目相机的深度信息丢失了
double x = (u - cx) / fx, y = (v - cy) / fy;
// r 表示归一化平面内一点P(x, y)与坐标系原点之间的距离
double r = sqrt(x * x + y * y);
// 参见公式(5-10)、(5-11)、(5-12)
// 对归一化平面上的点计算径向畸变和切向畸变
double x_distorted = x * (1 + k1 * r * r + k2 * r * r * r * r) + 2 * p1 * x * y + p2 * (r * r + 2 * x * x);
double y_distorted = y * (1 + k1 * r * r + k2 * r * r * r * r) + p1 * (r * r + 2 * y * y) + 2 * p2 * x * y;
// 将畸变后的点通过内参矩阵投影到像素平面,得到该点在图像上的正确位置
double u_distorted = fx * x_distorted + cx;
double v_distorted = fy * y_distorted + cy;
//赋值(最邻近插值)
if (u_distorted >= 0 && v_distorted >= 0 && u_distorted < cols && v_distorted < rows) {
image_undistort.at<uchar>(v, u) = image.at<uchar>((int) v_distorted, (int) u_distorted);
}
else {
image_undistort.at<uchar>(v, u) = 0;
}
}
}
//画出畸变后的图像
imshow("image", image);
imshow("image undistorted", image_undistort);
waitKey(0);
return 0;
}