[人工智能]OpenCV/Python：相机标定

这也不是相机标定，只是了解相机标定之前的基础部分

import numpy as np
import cv2
import glob

'''
  在这里，我的棋盘格是8*8的，所以角点个数为7*7,当然棋盘格的行列个数可以不一样；
  如果想方便代码改变棋盘格数，是以定义两个变量w（列角点数）和h（行角点数），注意如果角点维数超出的话，标定的时候会报错。
'''
w = 7
h = 7
# glob是个文件名管理工具
images = glob.glob('test5/5test12.jpg')
print('...loading')
for fname in images:
    # 对每张图片，识别出角点，记录世界物体坐标和图像坐标
    print(f'processing img:{fname}')
    img = cv2.imread(fname)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转灰度
    print('grayed')
    # 寻找角点，存入corners，ret是找到角点的flag
    ret, corners = cv2.findChessboardCornersSB(gray, (w, h),None)
    # 如果找到，添加对象点，图像点（精炼后）
    if ret == True:
        # 绘制并显示角点
        # img = cv2.drawChessboardCorners(img, (w,h), corners,ret)

        # cv2.getPerspectiveTransform()
        a = [10, 20, 30, 40, 50, 60, 70]
        dst_pts = np.zeros((49, 2))
        for i in range(7):
            for j in range(7):
                dst_pts[7 * i + j, :] = (a[j], a[i])
        dst_pts = dst_pts.reshape(-1, 1, 2)
        H, mask = cv2.findHomography(corners, dst_pts)
        # H, mask = cv2.findHomography(corners, dst_pts, cv2.RANSAC, 5.0)
        wrap = cv2.warpPerspective(img, H, (80, 80))

        img = cv2.drawChessboardCorners(img, (w,h), corners,ret)
        cv2.namedWindow('img', 0)
        cv2.resizeWindow('img', 500, 500)
        cv2.imshow('img', img)
        cv2.namedWindow('wrap', 0)
        cv2.resizeWindow('wrap', 500, 500)
        cv2.imshow('wrap', wrap)
        cv2.waitKey()
        cv2.destroyAllWindows()

先看一下结果

ret, corners = cv2.findChessboardCornersSB(gray, (w, h),None)
	input
			gray 		灰度图
			(w, h) 		内角点的行列数
	output
			ret 		True or False
			corners		角点坐标
	

img = cv2.drawChessboardCorners(img, (w,h), corners,ret)
	input
			img			待处理图像
			(w,h)		内角点的行列数
			corners		角点坐标
			ret 		True or False
	output
			img 		画了角点坐标后的图像

H, mask = cv2.findHomography(corners, dst_pts)
	input
			corners		角点坐标，shape=(49, 1, 2)
			dst_pts 	这些角点在原始图像中的坐标，shape=(49, 1, 2)
	output
			H 			变换矩阵

也可以不用findHomography，而使用getPerspectiveTransform测试一下

corners_2D=corners.reshape(-1,2) ?# 将[49*1*2]降维到[49*2]
corners_2D_4=corners_2D[5:9,:] ?# 取四个点
H = cv2.getPerspectiveTransform(np.array(corners_2D_4, np.float32), np.array(dst_pts_2D_4, np.float32))

要注意的是，getPerspectiveTransform的输入应该为二维的[4*2]的np.float32类型，且返回值只有一个

上面从49个角点中选择的连续四个点，很容易出现问题，因为连续的四个点很容易共线，构不成四边形，或者效果很差，因为是局部的四个点，可以像下面这样，取49个点的四个顶点，这四个点构成的四边形是面积最大的，误差就会小点

corners_2D_4=[corners_2D[0,:],corners_2D[6,:],corners_2D[42,:],corners_2D[48,:]]
dst_pts_2D_4 = [dst_pts_2D[0, :], dst_pts_2D[6, :], dst_pts_2D[42, :], dst_pts_2D[48, :]]

?