代码：

__Author__ = "Shliang"
__Email__ = "shliang0603@gmail.com"

import os
import cv2
import numpy as np
from tqdm import tqdm



def undistort(frame):
    fx = 685.646752
    cx = 649.107905
    fy = 676.658033
    cy = 338.054431
    k1, k2, p1, p2, k3 = -0.363219, 0.093818, 0.006178, -0.003714, 0.0

    # 相机坐标系到像素坐标系的转换矩阵
    k = np.array([
        [fx, 0, cx],
        [0, fy, cy],
        [0, 0, 1]
    ])
    # 畸变系数
    d = np.array([
        k1, k2, p1, p2, k3
    ])
    h, w = frame.shape[:2]
    mapx, mapy = cv2.initUndistortRectifyMap(k, d, None, k, (w, h), 5)
    return cv2.remap(frame, mapx, mapy, cv2.INTER_LINEAR)


# 对摄像头实时视频流做畸变矫正
def distortion_correction_cam():
    cap = cv2.VideoCapture(0)
    while (cap.isOpened()):
        ret, frame = cap.read()
        undistort_frame = undistort(frame)
        compare = np.hstack((frame, undistort_frame))
        cv2.imshow('frame', compare)

        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    cap.release()
    cv2.destroyAllWindows()


# 对目录下的所有图片做畸变矫正，并把畸变矫正后的图片保存下来
def distortion_correction_imgs(input_dir, output_dir):
    in_imgs = os.listdir(input_dir)

    for img_name in tqdm(in_imgs):
        image = cv2.imread(os.path.join(input_dir, img_name))
        distroted_img = undistort(image)
        cv2.imwrite(os.path.join(output_dir, img_name), distroted_img)



if __name__ == '__main__':
    input_dir = "/home/shl/extract_rosbag_data/0324_bags/plycal_calib/root/images"
    output_dir = "/home/shl/extract_rosbag_data/0324_bags/plycal_calib/root/distro_imgs"
    # distortion_correction_imgs(input_dir, output_dir)

    distortion_correction_cam()

对图片进行矫正效果：

原图：

矫正后的图片：

采集的摄像头画面矫正效果：

从上面的换面可以看到，左边是未矫正的画面，右边是矫正后的画面：

• 矫正后的画面会被裁切，明显可以看到画面中的信息是有裁切的，例如左边的椅子已经被裁切掉了
• 矫正后的画面和原画面是保持相同的分辨率：640x480，但是，为什么会看到画面会出现横向的拉伸，这是因为标定相机内参的时候画面的分辨率设置为1280x720=16:9，但是opencv读取摄像头默认的分辨率却是640x480=4:3，两者的比例都不一样，所以肯定会出现拉伸

解决拉伸的方式，就是把读取摄像头的时候，把摄像头的分辨率设置成和标定的时候一样的分辨率，设置为1280x720，下面是如何在opencv读取摄像头的时候设置摄像头分辨率：

# 对摄像头实时视频流做畸变矫正
def distortion_correction_cam():
    cap = cv2.VideoCapture(0)

    # 获取摄像头读取画面的宽和高
    width = cap.get(3)
    height = cap.get(4)
    fps = cap.get(5)
    print(width, height, fps)  # 640.0 480.0 30.0

    # 在这里把摄像头的分辨率修改为和我们标定时使用的一样的分辨率 1280x720
    cap.set(3, 1280)
    cap.set(4, 720)
    width = cap.get(3)
    height = cap.get(4)
    print(width, height, fps)  # 1280.0 720.0 30.0


    while (cap.isOpened()):
        ret, frame = cap.read()
        print(frame.shape)
        undistort_frame = undistort(frame)
        compare = np.hstack((frame, undistort_frame))
        cv2.imshow('frame', compare)

        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    cap.release()
    cv2.destroyAllWindows()

重新设置分辨率后，矫正前后画面对比，可以看到几乎是没有横向或纵向拉伸的！

参考：

https://blog.csdn.net/weixin_40516558/article/details/103494029

https://blog.csdn.net/guaiderzhu1314/article/details/96306509

https://www.codenong.com/cs110623399/

pubDate 2022-05-07 category python tag opencv图像矫正 description 本文主要介绍了使用python opencv对畸变图像进行矫正的实现，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下 keywords opencv图像矫正

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• 图像阈值化是什么，怎样处理

  图像阈值化（Binarization）旨在剔除掉图像中一些低于或高于一定值的像素，从而提取图像中的物体，将图像的背景和噪声区分开来。灰度化处理后的图像中，每个像素都只有一个灰度值，其大小表示明暗程度。阈值化处理可以将图像中的像素划分为两类颜色，常见的阈值化算法如公式（1）所示：

• 用python怎样做图像拼接？

  很多朋友应该都有看到过，很多小图片拼接成为一个完整大图片的这样的效果，那么这是怎么做的呢？下面小编就给大家分享使用python来实现固定尺寸图像拼接。感兴趣的朋友可以参考学习。

• Django项目中怎么配置HTTPS，SSL证书如何获取

  本文总结了如何获得SSL证书并给Django项目配置HTTPS，建议先收藏再阅读，将来有一天你很可能会用到它。

• python中getattr函数的用法是怎样的

  getattr是python里的一个内建函数getattr()这个方法最主要的作用是实现反射机制。也就是说可以通过字符串获取方法实例。这样，你就可以把一个类可能要调用的方法放在配置文件里，在需要的时候动态加载。python里面跟getattr相关的有hasattr,setattr,delattr ,那么我们通过下面的例子，来详细的说说他们的用法。1classXiaorui:2

• Matplotlib中如何进行柱状图的绘制，代码是什么

  本文主要介绍了Python数据分析Matplotlib柱状图绘制，Matplotlib提供了bar()方法绘制柱状图，下面具体绘制介绍需要的小伙伴可以参考以一下