去畸变后的图像四周会出现黑色区域，如果畸变较大，如鱼眼镜头，四周黑色区域将会更大。
opencv中给我们提供了一个函数getOptimalNewCameraMatrix()，用于去除畸变矫正后图像四周黑色的区域。
该函数根据给定参数alpha计算最优的新相机内参矩阵。alpha=0，则去除所有黑色区域，alpha=1，则保留所有原始图像像素，其他值则得到介于两者之间的效果。
通过该函数，我们得到新的相机内参矩阵，然后利用initUndistortRectifyMap()即可获得用于remap()的映射矩阵。
主要步骤
获取内切和外切矩形
通过将整个图像划分9*9网格，然后对每个网格点去畸变。
通过比较这些去畸变后的网格点坐标，确定内切和外切矩形。
源码中提到：Get inscribed and circumscribed rectangles in normalized (independent of camera matrix) coordinates.
这是因为，在调用icvGetRectangles()获取内切和外切矩形时，R和newCameraMatrix为空。从cvUndistortPoints()源码可以知道，当R和newCameraMatrix为空，尤其是newCameraMatrix为空时，像素点去畸变后得到的是相机坐标系下的坐标。
static void
icvGetRectangles(const CvMat* cameraMatrix, const CvMat* distCoeffs,
const CvMat* R, const CvMat* newCameraMatrix, CvSize imgSize,
cv::Rect_<float>& inner, cv::Rect_<float>& outer)
{
const int N = 9;
int x, y, k;
cv::Ptr<CvMat> _pts(cvCreateMat(1, N * N, CV_32FC2));
CvPoint2D32f* pts = (CvPoint2D32f*)(_pts->data.ptr);
for (y = k = 0; y < N; y++)
for (x = 0; x < N; x++)
pts[k++] = cvPoint2D32f((float)x * imgSize.width / (N - 1),
(float)y * imgSize.height / (N - 1));
cvUndistortPoints(_pts, _pts, cameraMatrix, distCoeffs, R, newCameraMatrix);
float iX0 = -FLT_MAX, iX1 = FLT_MAX, iY0 = -FLT_MAX, iY1 = FLT_MAX;
float oX0 = FLT_MAX, oX1 = -FLT_MAX, oY0 = FLT_MAX, oY1 = -FLT_MAX;
for (y = k = 0; y < N; y++)
for (x = 0; x < N; x++)
{
CvPoint2D32f p = pts[k++];
oX0 = MIN(oX0, p.x);
oX1 = MAX(oX1, p.x);
oY0 = MIN(oY0, p.y);
oY1 = MAX(oY1, p.y);
if (x == 0)
iX0 = MAX(iX0, p.x);
if (x == N - 1)
iX1 = MIN(iX1, p.x);
if (y == 0)
iY0 = MAX(iY0, p.y);
if (y == N - 1)
iY1 = MIN(iY1, p.y);
}
inner = cv::Rect_<float>(iX0, iY0, iX1 - iX0, iY1 - iY0);
outer = cv::Rect_<float>(oX0, oY0, oX1 - oX0, oY1 - oY0);
}
新的相机内参矩阵
通过icvGetRectangles()我们得到的内切和外切矩形（相机坐标系下）。接下来我们需要一个新的内参矩阵，将指定区域（内切矩形、外切矩形或介于两者之间的区域）重新投影到整个图像区域。
分别计算出内切矩形和外切矩形对应的相机内参矩阵，然后根据alpha，加权得到最终的相机内参矩阵。
double fx0 = (newImgSize.width - 1) / inner.width;
double fy0 = (newImgSize.height - 1) / inner.height;
double cx0 = -fx0 * inner.x;
double cy0 = -fy0 * inner.y;
double fx1 = (newImgSize.width - 1) / outer.width;
double fy1 = (newImgSize.height - 1) / outer.height;
double cx1 = -fx1 * outer.x;
double cy1 = -fy1 * outer.y;
M[0][0] = fx0 * (1 - alpha) + fx1 * alpha;
M[1][1] = fy0 * (1 - alpha) + fy1 * alpha;
M[0][2] = cx0 * (1 - alpha) + cx1 * alpha;
M[1][2] = cy0 * (1 - alpha) + cy1 * alpha;
有效的像素区域
上述我们获得了新的相机内参矩阵，利用这个矩阵，我们可以得到像素坐标系下的内切和外切矩形。
if (validPixROI)
{
icvGetRectangles(cameraMatrix, distCoeffs, 0, &matM, imgSize, inner, outer);
cv::Rect r = inner;
r &= cv::Rect(0, 0, newImgSize.width, newImgSize.height);
*validPixROI = cvRect(r);
}
完整代码
void cvGetOptimalNewCameraMatrix(const CvMat* cameraMatrix, const CvMat* distCoeffs,
CvSize imgSize, double alpha,
CvMat* newCameraMatrix, CvSize newImgSize,
CvRect* validPixROI, int centerPrincipalPoint)
{
cv::Rect_<float> inner, outer;
newImgSize = newImgSize.width * newImgSize.height != 0 ? newImgSize : imgSize;
double M[3][3];
CvMat matM = cvMat(3, 3, CV_64F, M);
cvConvert(cameraMatrix, &matM);
if (centerPrincipalPoint)
{
double cx0 = M[0][2];
double cy0 = M[1][2];
double cx = (newImgSize.width - 1) * 0.5;
double cy = (newImgSize.height - 1) * 0.5;
icvGetRectangles(cameraMatrix, distCoeffs, 0, cameraMatrix, imgSize, inner, outer);
double s0 = std::max(std::max(std::max((double)cx / (cx0 - inner.x), (double)cy / (cy0 - inner.y)), (double)cx / (inner.x + inner.width - cx0)), (double)cy / (inner.y + inner.height - cy0));
double s1 = std::min(std::min(std::min((double)cx / (cx0 - outer.x), (double)cy / (cy0 - outer.y)), (double)cx / (outer.x + outer.width - cx0)), (double)cy / (outer.y + outer.height - cy0));
double s = s0 * (1 - alpha) + s1 * alpha;
M[0][0] *= s;
M[1][1] *= s;
M[0][2] = cx;
M[1][2] = cy;
if (validPixROI)
{
inner = cv::Rect_<float>((float)((inner.x - cx0) * s + cx),
(float)((inner.y - cy0) * s + cy),
(float)(inner.width * s),
(float)(inner.height * s));
cv::Rect r(cvCeil(inner.x), cvCeil(inner.y), cvFloor(inner.width), cvFloor(inner.height));
r &= cv::Rect(0, 0, newImgSize.width, newImgSize.height);
*validPixROI = cvRect(r);
}
}
else
{
icvGetRectangles(cameraMatrix, distCoeffs, 0, 0, imgSize, inner, outer);
double fx0 = (newImgSize.width - 1) / inner.width;
double fy0 = (newImgSize.height - 1) / inner.height;
double cx0 = -fx0 * inner.x;
double cy0 = -fy0 * inner.y;
double fx1 = (newImgSize.width - 1) / outer.width;
double fy1 = (newImgSize.height - 1) / outer.height;
double cx1 = -fx1 * outer.x;
double cy1 = -fy1 * outer.y;
M[0][0] = fx0 * (1 - alpha) + fx1 * alpha;
M[1][1] = fy0 * (1 - alpha) + fy1 * alpha;
M[0][2] = cx0 * (1 - alpha) + cx1 * alpha;
M[1][2] = cy0 * (1 - alpha) + cy1 * alpha;
if (validPixROI)
{
icvGetRectangles(cameraMatrix, distCoeffs, 0, &matM, imgSize, inner, outer);
cv::Rect r = inner;
r &= cv::Rect(0, 0, newImgSize.width, newImgSize.height);
*validPixROI = cvRect(r);
}
}
cvConvert(&matM, newCameraMatrix);
}
最后
- 该函数提供了一种思路，通过划分网格来确定图像有效区域的矩形边界。
- 在去畸变函数
cvUndistortPoints()中，通过内参矩阵将像素点转化到相机坐标系下，然后根据畸变系数进行畸变矫正。如果给定旋转矩阵matR，可以对去畸变后的点进行旋转变换（可用于旋转补偿，如视频防抖）。如果给定matP，则可以对去畸变后的点重新投影到像素坐标系（如投影到指定图像区域）。
void cvUndistortPoints(const CvMat* _src, CvMat* _dst, const CvMat* _cameraMatrix,
const CvMat* _distCoeffs, const CvMat* matR, const CvMat* matP)
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
