initUndistortRectifyMap的应用

initUndistortRectifyMap

2017年12月04日 16:26:18 柚子Betty 阅读数：5575

函数原型：

CV_EXPORTS_W void initUndistortRectifyMap( InputArray cameraMatrix, InputArray distCoeffs,
                           InputArray R, InputArray newCameraMatrix,
                           Size size, int m1type, OutputArray map1, OutputArray map2 );

//! initializes maps for cv::remap() for wide-angle
CV_EXPORTS_W float initWideAngleProjMap( InputArray cameraMatrix, InputArray distCoeffs,
                                         Size imageSize, int destImageWidth,
                                         int m1type, OutputArray map1, OutputArray map2,
                                         int projType = PROJ_SPHERICAL_EQRECT, double alpha = 0);

函数功能：计算无畸变和修正转换映射。 
参数说明： 
1.cameraMatrix：输入相机矩阵A=⎛⎝⎜fx000fy0cxcy1⎞⎠⎟A=(fx0cx0fycy001) 
2.distCoeffs：输入参数，相机的畸变系数：(k1,k2,p1,p2[,k3[,k4,k5,k6[,s1,s2,s3,s4[,τx,τy]]]])(k1,k2,p1,p2[,k3[,k4,k5,k6[,s1,s2,s3,s4[,τx,τy]]]])，有4，5,8,12或14个元素。如果这个向量是空的，就认为是零畸变系数。 
3.R：可选的修正变换矩阵，是个3*3的矩阵。通过stereoRectify计算得来的R1或R2可以放在这里。如果这个矩阵是空的，就假设为单位矩阵。在cvInitUndistortMap中，R被认为是单位矩阵。 
4.newCameraMatrix：新的相机矩阵A=⎛⎝⎜f′x000f′y0c′xc′y1⎞⎠⎟A=(fx′0cx′0fy′cy′001) 
5.size：未畸变的图像尺寸。 
6.m1type：第一个输出的映射的类型，可以为 CV_32FC1, CV_32FC2或CV_16SC2，参见cv::convertMaps。 
7.map1：第一个输出映射。 
8.map2：第二个输出映射。 
函数说明： 
这个函数用于计算无畸变和修正转换关系，为了重映射，将结果以映射的形式表达。无畸变的图像看起来就想原始的图像，就像这个图像是用内参为newCameraMatrix的且无畸变的相机采集得到的。 
在单目相机例子中，newCameraMatrix一般和cameraMatrix相等，或者可以用cv::getOptimalNewCameraMatrix来计算，获得一个更好的有尺度的控制结果。 
在双目相机例子中，newCameraMatrix一般是用cv::stereoRectify计算而来的，设置为P1或P2。 
此外，根据R，新的相机在坐标空间中的取向是不同的。例如，它帮助配准双目相机的两个相机方向，从而使得两个图像的极线是水平的，且y坐标相同（在双目相机的两个相机谁水平放置的情况下）。 
该函数实际上为反向映射算法构建映射，供反向映射使用。也就是，对于在已经修正畸变的图像中的每个像素(u,v)(u,v)，该函数计算原来图像（从相机中获得的原始图像）中对应的坐标系。这个过程是这样的： 

x←(u−c′x)/f′xy←(v−c′y)/f′y[XYW]T←R−1∗[xy1]Tx′←X/Wy′←Y/Wr2←x′2+y′2x′′←x′1+k1r2+k2r4+k3r61+k4r2+k5r4+k6r6+2p1x′y′+p2(r2+2x′2)+s1r2+s2r4y′′←y′1+k1r2+k2r4+k3r61+k4r2+k5r4+k6r6+p1(r2+2y′2)+2p2x′y′+s3r2+s4r4s⎛⎝⎜x′′′y′′′1⎞⎠⎟=⎛⎝⎜R33(τx,τy)000R33(τx,τy)0−R13((τx,τy)−R23(τx,τy)1⎞⎠⎟⎛⎝⎜x′′′y′′′1⎞⎠⎟mapx(u,v)←x′′′fx+cxmapy(u,v)←y′′′fy+cyx←(u−c′x)/f′xy←(v−c′y)/f′y[XYW]T←R−1∗[xy1]Tx′←X/Wy′←Y/Wr2←x′2+y′2x″←x′1+k1r2+k2r4+k3r61+k4r2+k5r4+k6r6+2p1x′y′+p2(r2+2x′2)+s1r2+s2r4y″←y′1+k1r2+k2r4+k3r61+k4r2+k5r4+k6r6+p1(r2+2y′2)+2p2x′y′+s3r2+s4r4s(x‴y‴1)=(R33(τx,τy)0−R13((τx,τy)0R33(τx,τy)−R23(τx,τy)001)(x‴y‴1)mapx(u,v)←x‴fx+cxmapy(u,v)←y‴fy+cy

 

其中，(k1,k2,p1,p2[,k3[,k4,k5,k6[,s1,s2,s3,s4[,τx,τy]]]])(k1,k2,p1,p2[,k3[,k4,k5,k6[,s1,s2,s3,s4[,τx,τy]]]])是畸变系数。 
在双目相机的例子中，这个函数调用两次：一次是为了每个相机的朝向，经过stereoRectify之后，依次调用cv::stereoCalibrate。但是如果这个双目相机没有标定，依然可以使用cv::stereoRectifyUncalibrated直接从单应性矩阵H中计算修正变换。对每个相机，函数计算像素域中的单应性矩阵H作为修正变换，而不是3D空间中的旋转矩阵R。R可以通过H矩阵计算得来：