逆透视请参考：智能车逆透视教程(含上位机、源码)_LoseHu的博客-CSDN博客
去畸变请参考：智能车去畸变教程(含上位机、源码)_LoseHu的博客-CSDN博客
逆透视+去畸变：如下
1.简介
在前两个博文中已经分别说明了单独去畸变、逆透视的方法。为了同时实现畸变+逆透视，利用之前博文的教程分两步求取矩阵，进行变换。原图以及效果图：
正如逆透视以及去畸变那样，这种综合的方法自然是保留了两者的特点，例如可以去除图像的畸变，仍然可以利用透视更改图片缩放、图片大小、视野大小。。。。
2.优点
兼具了去畸变与逆透视的优点
3.原理
参考去畸变与逆透视的原理
4.通过上位机求取变换参数
通过上位机分两步完成，具体每一步请参考：
1.逆透视：智能车逆透视教程(含上位机、源码)_LoseHu的博客-CSDN博客
2.去畸变：智能车去畸变教程(含上位机、源码)_LoseHu的博客-CSDN博客
去畸变+逆透视演示
如视频中的那样，每一步都需要将剪切板中的参数保存下来，如
double cameraMatrix[3][3]={
{296.482019,0.000000,152.664982},{0.000000,286.375269,104.540031},{0.000000,0.000000,1.000000}};
double distCoeffs[5]={-0.459946,0.283675,0.002304,0.002566,-0.109265};
int move_xy[2]={55,32};
double change_un_Mat[3][3] ={
{-1.762057,1.446330,-48.051135},{0.111681,0.215732,-90.406315},{0.000404,0.006296,-1.003619}};注意事项：
1.每一步注意事项参考对应的博客
2.记得保存去畸变后用于逆透视的图片与两步的参数
5.在智能车上完成去畸变+逆透视
使用时，只需在图像初始化中调用一次ImageChange_Init()函数即可，如去畸变与逆透视一样，这个初始化函数在整个程序中应该只被调用一次。后续使用ImageUsed获取图像像素值。
记得替换其中的参数
相比于单独做逆透视与单独做去畸变，将两种方法融合后，需要再多定义一对行列，此处为TEMP_COL 与 TEMP_ROW，意为去畸变后的图片行列大小。
代码如下：
//
// Created by RUPC on 2022/10/29.
//
#define RESULT_ROW 100 //结果图的行列
#define RESULT_COL 114
#define USED_ROW 120 //用于变换图的行列
#define USED_COL 188
#define TEMP_ROW 120 //去畸变后的行列
#define TEMP_COL 180
typedef unsigned char uint8_t; // 无符号 8 bits
uint8_t *PerImg_ip[RESULT_ROW][RESULT_COL];
#define PER_IMG mt9v03x_image_dvp//mt9v03x_image_dvp:用于透视变换的图像 也可以使用二值化图
#define ImageUsed *PerImg_ip//*PerImg_ip定义使用的图像，ImageUsed为用于巡线和识别的图像
static uint8_t BlackColor = 255; //无内容部分像素值
/******************变换参数******************************/
//去畸变参数
double cameraMatrix[3][3] = {
{296.482019, 0.000000, 152.664982},
{0.000000, 286.375269, 104.540031},
{0.000000, 0.000000, 1.000000}};
double distCoeffs[5] = {-0.459946, 0.283675, 0.002304, 0.002566, -0.109265};
int move_xy[2] = {10, 0};
//逆透视参数
double change_un_Mat[3][3] = {
{2.936703, 0.314530, -60.814898},
{-0.263326, 2.308885, -108.340381},
{-0.000835, 0.000896, 0.969316}};
/*******************************************************/
void find_xy(int x, int y, int local[2]) {
double fx = cameraMatrix[0][0]
, fy = cameraMatrix[1][1]
, ux = cameraMatrix[0][2]
, uy = cameraMatrix[1][2]
, k1 = distCoeffs[0]
, k2 = distCoeffs[1]
, k3 = distCoeffs[4]
, p1 = distCoeffs[2]
, p2 = distCoeffs[3];
double xCorrected = (x - ux) / fx;
double yCorrected = (y - uy) / fy;
double xDistortion, yDistortion;
double r2 = xCorrected * xCorrected + yCorrected * yCorrected;
double deltaRa = 1. + k1 * r2 + k2 * r2 * r2 + k3 * r2 * r2 * r2;
double deltaRb = 1 / (1.);
double deltaTx = 2. * p1 * xCorrected * yCorrected + p2 * (r2 + 2. * xCorrected * xCorrected);
double deltaTy = p1 * (r2 + 2. * yCorrected * yCorrected) + 2. * p2 * xCorrected * yCorrected;
xDistortion = xCorrected * deltaRa * deltaRb + deltaTx;
yDistortion = yCorrected * deltaRa * deltaRb + deltaTy;
xDistortion = xDistortion * fx + ux;
yDistortion = yDistortion * fy + uy;
if (yDistortion >= 0 && yDistortion < USED_ROW && xDistortion >= 0 && xDistortion < USED_COL) {
local[0] = (int) yDistortion;
local[1] = (int) xDistortion;
} else {
local[0] = -1;
local[1] = -1;
}
}
void find_xy1(int x, int y, int local[2]) {
int local_x = (int) ((change_un_Mat[0][0] * x
+ change_un_Mat[0][1] * y + change_un_Mat[0][2])
/ (change_un_Mat[2][0] * x + change_un_Mat[2][1] * y
+ change_un_Mat[2][2]));
int local_y = (int) ((change_un_Mat[1][0] * x
+ change_un_Mat[1][1] * y + change_un_Mat[1][2])
/ (change_un_Mat[2][0] * x + change_un_Mat[2][1] * y
+ change_un_Mat[2][2]));
if (local_x
>= 0 && local_y >= 0&&local_x<TEMP_COL&&local_y<TEMP_ROW) {
local[0] = local_y;
local[1] = local_x;
} else {
local[0] = -1;
local[1] = -1;
}
}
void ImageChange_Init() {
for (int i = 0; i < RESULT_ROW; i++) {
for (int j = 0; j < RESULT_COL; j++) {
int local_xy[2] = {-1};
find_xy1(j, i, local_xy);
if (local_xy[0] != -1 && local_xy[0] != -1) {
int local_xy1[2] = {-1};
find_xy(local_xy[1] - move_xy[0], local_xy[0] - move_xy[1], local_xy1);
if (local_xy1[0] != -1 && local_xy1[1] != -1) {
PerImg_ip[i][j] = &mt9v03x_image_dvp[local_xy1[0]][local_xy1[1]];
} else PerImg_ip[i][j] = &BlackColor;
} else PerImg_ip[i][j] = &BlackColor;
}
}
}
/*ImageUsed[0][0]代表图像左上角的值*/
/*完成摄像头初始化后，调用一次ImagePerspective_Init，此后，直接调用ImageUsed 即为去畸变结果*/
屏幕显示去畸变+逆透视后的灰度图DEMO：
int main(void)
{
All_Init();//屏幕、摄像头、以及其他外设初始化
ImageChange_Init();
while(1)
{
if (mt9v03x_finish_flag_dvp == 1) {
uint8_t show[RESULT_ROW][RESULT_COL];
for(int i=0;i<RESULT_ROW;i++)
{
for(int j=0;j<RESULT_COL;j++)
{
show[i][j]=ImageUsed[i][j];
}
}
ips114_show_gray_image(0,0,show[0],RESULT_COL,RESULT_ROW,RESULT_COL,RESULT_ROW,0);
mt9v03x_finish_flag_dvp = 0;
}
}
}6.资源文件
其中包含了测试图包
CSDN:https://download.csdn.net/download/wu58430/86399773
推荐github：https://github.com/wu58430/RUBO-IPM
如果只使用用途，下载github中Release即可。
现在已经完成了逆透视、去畸变、逆透视+去畸变的操作，除非程序有重大bug，后续不会考虑更新。此三种只是图片处理方法，如此软件只适用于简化和降低操作的门槛，以便大家共同进步，图像处理方法无好坏之分，但确实有精妙与粗糙之别。
版权声明：
此软件仅用于竞赛、学习交流，禁止任何商业用途，包括有营利性的、商业的教学指导活动。
7.更新日志
2022.8.23 修复了不同版本windows兼容问题
2022.8.27 修复中文路径、视图大小异常问题，缩小程序体积
2022.9.23 增加了彩色图像显示，输出格式改为数组
2022.10.7 代码迁移至QT6.3.1环境，加入去畸变，加入保存图片功能
2022.10.29 融合两种方法，修复保存图像色彩错误问题
2023.1.12 修复去畸变+逆透视下位机代码中未考虑的可能