相机标定的原理、程序实现、畸变矫正（四，畸变矫正如何不丢失像素点）

一、原理
二、标定程序
三、畸变矫正（含opencv实现和自己实现）
四、不丢失原图像素点矫正

（有什么其他要补充的或者要提问，留言就行）
github工程：
有时候我们需要对图像进行矫正，但是不希望增加像素点。比如：原图是（256,64）的图像，希望矫正后得到的依然是256x64个像素点；如果用上一篇博客一样，不可避免的会导致有些像素点丢失了。
但是对于需要每个像素点的设备而言，这样的丢失像素点，会导致周边的像素丢失。

为什么点会丢失

看过上一篇博客应该明白，畸变矫正的过程就是求解上方右图的a~p对应左图哪个位置的值，正常畸变矫正的过程是通过假设一幅与原图大小一样的图，然后求解每个像素点格子对应原图的像素格；然后将原图的像素值给矫正后的图。但是这样就会导致，原图中一个点对应矫正后的多个点，如下图所示，1、4、13、16出现多次，2、3、14、15丢失。

不丢像素点的离散矫正图原理

现在我们直接求解，原图中每一个像素点，对应的位置。这样就可以保证原图中的每个像素点都有对应的点。（适用于原图的每个点都要利用上的情况）
建议和代码一起看，比较好理解

#include "opencv.hpp"

#include <iostream>
#include <fstream>
#include <iostream>  
#include<io.h>
#include <string>  
#include<vector>
#include <sstream>
#include<direct.h>
#include<cmath>
using namespace cv;
using namespace std;

double f(double r, double k1, double k2, double b)
{
	return k2 * pow(r, 5) + k1 * pow(r, 3) + r - b;
}
//y'=5*k2*r^4+3*k1*r^2+1
double fg(double r, double k1, double k2)
{
	return 5 * k2 * pow(r, 4) + 3 * k1 * pow(r, 2) + 1;
}

//简化的高斯牛顿法计算求解x，y与x'与y'的对应关系
double lmm(double r, double k1, double k2, double b)
{
	double epsilon = 1e-8;
	int k = 10;
	double r_out;
	while (k)
	{
		double fr = f(r, k1, k2, b);
		double fgr = fg(r, k1, k2);
		double gk = fr * fgr;
		double dk = -gk / (fgr * fgr);
		if (abs(gk) < epsilon)
			break;
		int m = 0, mk = 0;
		while (m < 20)
		{
			double newf = 0.5 * pow(abs(f(r + pow(0.55, m) * dk, k1, k2, b)), 2);
			double oldf = 0.5 * pow(abs(f(r, k1, k2, b)), 2);
			if (newf < oldf + 0.4 * pow(0.55, m) * gk * gk)
			{
				mk = m;
				break;
			}
			++m;
		}
		r = r + pow(0.55, mk) * dk;
		--k;
	}
	r_out = r;

	double fr = f(r, k1, k2, b);
	return r_out;
}
//求解出（x,y）坐标
void calc_xy_point(int model, vector<Point2f>& undistort_point)
{
	//读取k1,k2,p1,p2,k3信息
	double fx = 112.18;
	double fy = 58.8;
	double cx = 131.8;
	double cy = 26.93;
	double k1 = -0.29;
	double k2 = 0.09;
	double k3 = 0;
	double p1 = 0;
	double p2 = 0;
	//原图大小
	int rows, cols;
	rows = 64;
	cols = 256;

	//Mat imageDistort = picMat[0];
	//求解f(r)=k2*r^5+k1*r^3+r-r0 = 0
	double diff = 0;
	for (int v = 0; v < rows; ++v)
		for (int u = 0; u < cols; ++u)
		{
			double x2 = (u - cx) / fx;//校正后畸变图像坐标为（x1，y1），原图为（x2，y2）其中x1=x/f,y1=y/f
			double y2 = (v - cy) / fy;
			double r0 = sqrt(pow(x2, 2) + pow(y2, 2));
			double b = r0;
			double r = lmm(r0, k1, k2, b);
			double x1 = x2 / (1.0 + k1 * pow(r, 2) + k2 * pow(r, 4));
			double y1 = y2 / (1.0 + k1 * pow(r, 2) + k2 * pow(r, 4));
			double del = x2 - x1;
			Point2f point;
			point.x = x1;
			point.y = y1;
			undistort_point.push_back(point);
			//误差分析
			//diff += f(r, k1, k2, b);

		}
	//cout << diff << endl;
}

得到的是x，y；再带回x=（u-cx）/fx;y=(v-cy)/fy。解出（u，v）才是像素点坐标，不过一般要不丢失像素点的应用，都是因为要使用（x，y）才用这种方法。注意：这里的（x，y）不是图像坐标系下的坐标，(x * f ，y * f）才是像素坐标系下的坐标。