标签：教程 r2 int double move 畸变图像处理 RESULT

逆透视请参考：智能车逆透视教程(含上位机、源码)_Wyean的博客-CSDN博客

去畸变+逆透视请参考：智能车去畸变+逆透视教程_LoseHu的博客-CSDN博客

去畸变：如下

1.简介

对于镜头而言，畸变是一种十分常见的现象，如本是方形的棋盘，边界被扭曲成曲线。还有同样受到扭曲的赛道。

对于镜头而言，同等条件下一般度数越大，视野越广，所造成的畸变也越严重

编辑编辑

优点：

使用指针映射去畸变数组，只需要初始化映射一次，后续不需要时间

通用性强，可移植性高

保证视野不变条件下优化图像质量。

2.去畸变所需工具、环境

请确保过程中所有采集到的图片出自同一相机与镜头，且分辨率全部相同

1.棋盘标定图

（1）放置在同一个文件夹中（数量越多越好1，0张以上，推荐50张左右）

（2）需要将整个棋盘标定图拍摄进去，越清晰越好

编辑编辑

2.拍摄的赛道图，用于观察去畸变效果

仅用作观察效果，无特殊要求

编辑

3.去畸变上位机

在win7及以下系统无法打开

编辑

3.去畸变原理

不同的摄像头搭配不同的镜头，会有不一样的内参，所以，只需要提前测定相机内参即可在后续中方便去畸变。

具体原理请自行搜索图像处理-去畸变。

4.通过上位机求取相机内参

编辑

自动全图：如果勾选，去畸变的图会涵盖全图内容；若取消勾选，去畸变后的图会损失部分视野。注意：在桶形畸变下，如果勾选，会导致结果混乱，建议取消勾选。

横向、纵向角落点数：棋盘图中横向、纵向存在的角点数目，如下棋盘标定图中，横向为8，纵向为6,可认为是（方块数-1）.

编辑

结果图宽度、高度：去畸变后的图片的宽度和高度，会自动生成，可以自行略微修改。

水平、竖直偏移：将图片在水平、竖直方向平移多少像素点。

去畸变上位机教程：https://live.csdn.net/v/245434

最终内参会复制到您的剪切板中，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};

注意事项：

1.请将棋盘标定图放在同一文件夹下，文件夹内最好不要有其他东西。

2.请保证拍摄的棋盘标定图质量，数量推荐在50张左右

5.在智能车上完成去畸变

和逆透视原理相同

求得矩阵后，就可根据矩阵，和结果图的坐标，计算出结果图中的某个点，在原图中的坐标。

但如果每获取到一帧图像，都进行一次映射，非常耗费时间。所以我们使用指针。

在初始化时只需要对指针地址进行一次映射，以后只需要调用指针数组，就可以获取到去畸变后的图。

cameraMatrix[3][3]、distCoeffs[5]、move_xy[2] 是你通过上位机求取的矩阵，在您的剪切板中。

ImageUsed[0][0]代表图像左上角的值

PER_IMG 为用来透视变换的图片，如果使用灰度图，那么ImageUsed就是灰度图的去畸变图，

如果使用二值化图，那么ImageUsed就是二值化的去畸变图

BlackColor的值为没有内容部分的灰度值。

只需要初始化时调用一次ImagePerspective_Init（）函数，只需要初始化时调用一次！！！！一次就行！！！！！！！

代码如下：

//
// Created by RUPC on 2022/10/14.
//
#define RESULT_ROW 100//结果图行列
#define RESULT_COL 114
#define         USED_ROW                120  //用于透视图的行列
#define         USED_COL                188
#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
typedef unsigned char uint8_t;                                              // 无符号  8 bits
uint8_t *PerImg_ip[RESULT_ROW][RESULT_COL];

void ImagePerspective_Init(void) {

    static uint8_t BlackColor = 0;
    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]={0,0};


/* 0:USED_COL
 * 1:USED_ROW
 * 2:fx =K.at<double>(0, 0)
 * 3:fy = K.at<double>(1, 1)
 * 4: ux = K.at<double>(0, 2)
 * 5:  uy = K.at<double>(1, 2);
 * 6: k1 = .at<double>(0, 0),
 * 7:  k2 = D.at<double>(0, 1),
 * 8: k3=  D.at<double>(0, 4),
 * 9: p1 = D.at<double>(0, 2),
 * 10:   p2 = D.at<double>(0, 3);
 */




    /*********************Mat******************************/

    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];





    int move_x=move_xy[0], move_y=move_xy[1];

    for (int i = -move_y; i < RESULT_ROW-move_y; i++) {
        for (int j = -move_x; j < RESULT_COL-move_x; j++) {
            double xCorrected = (j - ux) / fx;
            double yCorrected = (i - 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 (i + move_y >= 0 && i + move_y < RESULT_ROW && j + move_x >= 0 && j + move_x < RESULT_COL) {
                if (yDistortion >= 0 && yDistortion < USED_ROW && xDistortion >= 0 && xDistortion < USED_COL) {
                    PerImg_ip[i + move_y][j + move_x] = &mt9v03x_image_dvp[(int) yDistortion][(int) xDistortion];
                } else
                    PerImg_ip[i + move_y][j + move_x] = &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
    ImagePerspective_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

标签：教程,r2,int,double,move,畸变,图像处理,RESULT
From： https://www.cnblogs.com/RUBO/p/16854043.html

智能车图像处理去畸变教程