我们已知的是已经发生畸变的图像,目的是去除畸变,得到未发生畸变的原始图像,这个过程就是图像去畸变。
首先新建一个大小和畸变图像一样的图像矩阵,来存储去畸变之后的图像,也可以认为是发生畸变之前的原图。
对新建图像的每一对坐标(u,v),按照畸变模型,计算点(u,v)对应到畸变图像中的坐标(ud,vd),则点(ud,vd)处的像素值即对应新图像(u,v)处的像素值,将(ud,vd)处的像素值赋值给(u,v),就相当于完成了去畸变的操作,得到了未发生畸变的原始图像。
例如,原图(未发生畸变)坐标(1,2),发生畸变后该坐标对应到畸变图像中的点(1.2,2.3),将(1.2,2.3)处的值赋值给新图像的(1,2)即可。对原图所有点进行上述操作,即得到每个点的像素值,去畸变操作完成。
以下是程序:
#include <opencv2/opencv.hpp>
#include <string>
using namespace std;
string image_file = "./imageBasics/distorted.png"; // 请确保路径正确
int main(int argc, char **argv) {
// 本程序实现去畸变部分的代码。尽管我们可以调用OpenCV的去畸变,但自己实现一遍有助于理解。
// 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;
cv::Mat image = cv::imread(image_file, 0); // 图像是灰度图,CV_8UC1
int rows = image.rows, cols = image.cols;
cv::Mat image_undistort = cv::Mat(rows, cols, CV_8UC1); // 去畸变以后的图
// 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)
double x = (u - cx) / fx, y = (v - cy) / fy;
double r = sqrt(x * x + y * y);
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;
double u_distorted = fx * x_distorted + cx;
double v_distorted = fy * y_distorted + cy;
// 赋值 (最近邻插值)
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;
}
}
}
// 画图去畸变后图像
cv::imshow("distorted", image);
cv::imshow("undistorted", image_undistort);
cv::waitKey();
return 0;
}