需求

  1.打开图片；
  2.矫正识别角点；
  3.opencv摄像头操作子线程处理；
  4.支持设置棋盘格的行列角点数；

背景

  深入研究图像拼接细分支算法，产出的效果查看工具，验证算法单步思路。

相关博客

  《项目实战：Qt+Opencv相机标定工具v1.3.0（支持打开摄像头、视频文件和网络地址，支持标定过程查看、删除和动态评价误差率，支持追加标定等等）》
  《OpenCV开发笔记（〇）：使用mingw530_32编译openCV3.4.1源码，搭建Qt5.9.3的openCV开发环境》
  《OpenCV开发笔记（三）：OpenCV图像的概念和基本操作》
  《OpenCV开发笔记（四）：OpenCV图片和视频数据的读取与存储》
  《OpenCV开发笔记（六）：OpenCV基础数据结构、颜色转换函数和颜色空间》
  《OpenCV开发笔记（四十六）：红胖子8分钟带你深入了解仿射变化（图文并茂+浅显易懂+程序源码）》
  《OpenCV开发笔记（七十六）：相机标定（一）：识别棋盘并绘制角点》
  《OpenCV开发笔记（七十七）：相机标定（二）：通过棋盘标定计算相机内参矩阵矫正畸变摄像头图像》

Demo：affineTool_v1.1.0 windows运行包

模块化部署

关键源码

AffineManager.h

#ifndef AFFINEMANAGER_H
#define AFFINEMANAGER_H

// opencv
#include "opencv/highgui.h"
#include "opencv/cxcore.h"
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/opencv.hpp"
#include "opencv2/xphoto.hpp"
#include "opencv2/dnn/dnn.hpp"
// opencv_contrib
#include <opencv2/xphoto.hpp>
#include <opencv2/ximgproc.hpp>
#include <opencv2/calib3d.hpp>
#include <opencv2/features2d.hpp>
#include <opencv2/xfeatures2d.hpp>
#include <opencv2/xfeatures2d/nonfree.hpp>

#include "cvui.h"

#include <QImage>
#include <QTimer>


class AffineManager: public QObject
{
    Q_OBJECT
public:
    explicit AffineManager(QObject *parent = 0);
    ~AffineManager();

public slots:
    void testOpencvEnv();                       // 测试环境

public:
    cv::Point2f getLeftBottomOffsetPoint() const;
    cv::Point2f getCenterTopOffsetPoint() const;
    cv::Point2f getRightBottomOffsetPoint() const;
    int getChessboardColCornerCount() const;
    int getChessboardRowCornerCount() const;

public:
    void setLeftBottomOffsetPoint(const cv::Point2f &offsetPoint);
    void setRightBottomOffsetPoint(const cv::Point2f &offsetPoint);
    void setCenterTopOffsetPoint(const cv::Point2f &offsetPoint);
    void setChessboardColCornerCount(int chessboardColCornerCount);
    void setChessboardRowCornerCount(int chessboardRowCornerCount);

signals:
    void signal_srcImage(QImage image);
    void signal_srcImage(cv::Mat mat);
    void signal_resultImage(QImage image);
    void signal_resultImage(cv::Mat mat);
    void signal_inited(bool result);

public slots:
    void slot_openImage(QString filePath);
    void slot_initImage();
    void slot_affineImage();

protected:
    void initControl();

protected:
    bool findChessboard(int rowCornerCount, int colCornerCount, cv::Mat &mat, std::vector<cv::Point2f> &vectorPoint2fCorners);

public:
    static QImage mat2Image(cv::Mat mat);      // cv::Mat 转 QImage


private:
    cv::Mat _mat;                       // 缓存一帧
    cv::Mat _resultMat;                 // 结果
    int _chessboardColCornerCount;      // 一列多少个角点
    int _chessboardRowCornerCount;      // 一行多少个角点

private:                                // 计算内参和畸变系数
    cv::Mat _cameraMatrix;              // 相机矩阵（接收输出）
    cv::Mat _distCoeffs;                // 畸变系数（接收输出）
    std::vector<cv::Mat> _rotate;       // 旋转量（接收输出）
    std::vector<cv::Mat> _translate;    // 偏移量（接收输出）

    cv::Point2f _leftBottomPoint; // 仿射三点，对应原始
    cv::Point2f _rightBottomPoint;// 仿射三点，对应原始
    cv::Point2f _centerTopPoint;  // 仿射三点，对应原始

    cv::Point2f _leftBottomOffsetPoint; // 仿射三点，对应偏移
    cv::Point2f _rightBottomOffsetPoint;// 仿射三点，对应偏移
    cv::Point2f _centerTopOffsetPoint;  // 仿射三点，对应偏移
};

#endif // AffineManager_H

AffineManager.cpp

...

void AffineManager::slot_affineImage()
{
    cv::Point2f srcTraingle[3];
    cv::Point2f dstTraingle[3];

    srcTraingle[0] = _leftBottomPoint;
    srcTraingle[1] = _rightBottomPoint;
    srcTraingle[2] = _centerTopPoint;
    dstTraingle[0] = _leftBottomPoint  + _leftBottomOffsetPoint;
    dstTraingle[1] = _rightBottomPoint + _rightBottomOffsetPoint;
    dstTraingle[2] = _centerTopPoint   + _centerTopOffsetPoint;

    cv::Mat mat = cv::getAffineTransform(srcTraingle, dstTraingle);

    std::cout << srcTraingle[0] << srcTraingle[1] << srcTraingle[2] << endl;
    std::cout << dstTraingle[0] << dstTraingle[1] << dstTraingle[2] << endl;


    cv::warpAffine(_mat, _resultMat, mat, cv::Size(_mat.cols, _mat.rows));

    QImage image = mat2Image(_resultMat);
    emit signal_resultImage(image);
}
...

入坑

  算法的研究优化过程中，思路需要开拓编写代码，查看效果，逐步研究出算法的优化路径，坑多暂时未记录。