### Python 使用 OpenCV 进行相机内部参数标定并校正照片 #### 相机内部参数标定 在计算机视觉应用中，相机的内部参数（如焦距、主点位置以及畸变系数）对于图像处理至关重要。Python 的 OpenCV 库提供了一种便捷的方法来完成相机标定过程。以下是具体的操作说明： 1. **准备标定板** 常见的标定板有棋盘格图案或圆环阵列。为了获得精确的结果，建议使用高对比度的黑白棋盘格图案，并记录下棋盘格内角点的数量和单个方格的实际尺寸。 2. **采集多张图片** 将标定板放置在不同角度和距离处拍摄多张图片，以便覆盖不同的视角范围。这些图片将用于后续计算相机的内外参数。 3. **提取角点坐标** 利用 `cv2.findChessboardCorners` 函数检测每幅图像中的棋盘格角点位置。如果成功找到角点，则进一步优化亚像素精度的位置信息。 4. **执行标定算法** 调用 `cv2.calibrateCamera` 方法传入对象空间中的三维点与对应二维投影点作为输入数据，最终返回相机矩阵 (`mtx`) 和畸变向量 (`dist`) 等关键结果[^2]。 ```python import numpy as np import cv2 import glob # 定义棋盘格大小 (宽x高)，单位为角点数目减一 chessboard_size = (9, 6) # 创建存储器保存所有目标点及其对应的图像点 objp = np.zeros((np.prod(chessboard_size), 3), dtype=np.float32) objp[:, :2] = np.mgrid[0:chessboard_size[0], 0:chessboard_size[1]].T.reshape(-1, 2) * 20 # 单位毫米 object_points = [] # 存储世界坐标系下的物体点 image_points = [] # 存储图像平面内的特征点 images = glob.glob('calibration_images/*.jpg') for fname in images: img = cv2.imread(fname) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, corners = cv2.findChessboardCorners(gray, chessboard_size, None) if ret: object_points.append(objp) refined_corners = cv2.cornerSubPix(gray, corners, (11, 11), (-1, -1), criteria=(cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)) image_points.append(refined_corners) # 可视化检测效果 cv2.drawChessboardCorners(img, chessboard_size, refined_corners, True) cv2.imshow('img', img) cv2.waitKey(500) cv2.destroyAllWindows() # 执行标定 ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(object_points, image_points, gray.shape[::-1], None, None)[^2] print("相机矩阵:\n", mtx) print("畸变系数:", dist) ``` --- #### 对拍摄的照片进行校正 一旦获得了相机的内部参数和畸变模型，就可以利用它们去除镜头引起的几何失真现象。这一步骤通常涉及重映射操作，即将原始扭曲图像转换成无畸变版本的新图像。 下面展示如何加载一张测试图片并通过已知的相机参数对其进行去畸变处理： ```python def undistort_image(image_path, camera_matrix, distortion_coeffs): """ 根据给定的相机矩阵和畸变系数对指定路径下的图片实施反畸变修正。 参数： image_path -- 输入待校正的图片文件名字符串； camera_matrix -- Numpy数组形式表示的相机内参矩阵； distortion_coeffs-- 包含径向切向分量的一维Numpy矢量。 返回值： dst -- 经过矫正后的RGB格式NumPy ndarray类型输出影像。 """ src_img = cv2.imread(image_path) h, w = src_img.shape[:2] newcameramtx, roi = cv2.getOptimalNewCameraMatrix(camera_matrix, distortion_coeffs, (w,h), alpha=1) map_x, map_y = cv2.initUndistortRectifyMap( camera_matrix, distortion_coeffs, None, newcameramtx, (w,h), cv2.CV_32FC1 ) corrected_img = cv2.remap(src_img, map_x, map_y, interpolation=cv2.INTER_LINEAR) x,y,w,h = roi cropped_corrected_img = corrected_img[y:y+h,x:x+w] return cropped_corrected_img test_image = 'sample_distorted.jpg' undistorted_result = undistort_image(test_image, mtx, dist) cv2.imwrite('result_undistorted.png', undistorted_result) ``` 此脚本定义了一个名为 `undistort_image()` 的辅助函数，接受三个必要参数：源图像地址、先前估算得到的相机矩阵以及相应的畸变项集合。随后调用了内置 API 实现完整的逆变换逻辑链路[^3]。 --- ### 注意事项 - 如果希望提高用户体验界面友好程度的话，还可以考虑引入专门设计好的第三方 GUI 工具比如 [camera_calibration_tool][^4] 来简化整个流程。 - 需要注意的是，在实际部署过程中可能还需要额外调整某些超参数设置以适应特定硬件环境的要求[^5]。