摄像机标定程序中用到的OpenCV函数
摄像机标定程序中用到的OpenCV函数
FindChessboardCorners 寻找棋盘图的内角点位置
int cvFindChessboardCorners( const void*image, CvSize pattern_size,
CvPoint2D32f* corners,int* corner_count=NULL,
int flags=CV_CALIB_CB_ADAPTIVE_THRESH );
image
输入的棋盘图，必须是8位的灰度或者彩色图像。
pattern_size
棋盘图中每行和每列角点的个数。
corners
检测到的角点
corner_count
输出，角点的个数。如果不是NULL，函数将检测到的角点的个数存储于此变量。
flags
各种操作标志，可以是0或者下面值的组合：
CV_CALIB_CB_ADAPTIVE_THRESH - 使用自适应阈值（通过平均图像亮度计算得到）将图像转换为黑白图，而不是一个固定的阈值。
CV_CALIB_CB_NORMALIZE_IMAGE - 在利用固定阈值或者自适应的阈值进行二值化之前，先使用cvNormalizeHist来均衡化图像亮度。
CV_CALIB_CB_FILTER_QUADS - 使用其他的准则（如轮廓面积，周长，方形形状）来去除在轮廓检测阶段检测到的错误方块。
函数cvFindChessboardCorners试图确定输入图像是否是棋盘模式，并确定角点的位置。如果所有角点都被检测到切它们都被以一定顺序排布（一行一行地，每行从左到右），函数返回非零值，否则在函数不能发现所有角点或者记录它们地情况下，函数返回0。例如一个正常地棋盘图右8x8个方块和7x7个内角点，内角点是黑色方块相互联通地位置。这个函数检测到地坐标只是一个大约地值，如果要精确地确定它们的位置，可以使用函数cvFindCornerSubPix。
FindCornerSubPix 寻找棋盘图的内角点位置
精确角点位置
void cvFindCornerSubPix( const CvArr* image, CvPoint2D32f* corners,
int count, CvSize win, CvSize zero_zone,
CvTermCriteria criteria );
image
输入图像.
corners
输入角点的初始坐标，也存储精确的输出坐标
count
角点数目
win
搜索窗口的一半尺寸。如果win=(5,5) 那么使用5*2+1 × 5*2+1 = 11 × 11 大小的搜索窗口
zero_zone
死区的一半尺寸，死区为不对搜索区的中央位置做求和运算的区域。它是用来避免自相关矩阵出现的某些可能的奇异性。当值为(-1,-1) 表示没有死区。
criteria
求角点的迭代过程的终止条件。即角点位置的确定，要么迭代数大于某个设定值，或者是精确度达到某个设定值。criteria 可以是最大迭代数目，或者是设定的精确度，也可以是它们的组合。
函数cvFindCornerSubPix通过迭代来发现具有子象素精度的角点位置，或如图所示的放射鞍点（radial saddle points）。
子象素级角点定位的实现是基于对向量正交性的观测而实现的，即从中央点q到其邻域点p 的向量和p点处的图像梯度正交（服从图像和测量噪声）。考虑以下的表达式：
εi=DIpiT·(q-pi)
其中，DIpi表示在q的一个邻域点pi处的图像梯度，q的值通过最小化εi得到。通过将εi 设为0，可以建立系统方程如下：
sumi(DIpi·DIpiT)·q - sumi(DIpi·DIpiT·pi) = 0
其中q的邻域（搜索窗）中的梯度被累加。调用第一个梯度参数G和第二个梯度参数b，得到：
q=G-1·b
该算法将搜索窗的中心设为新的中心q，然后迭代，直到找到低于某个阈值点的中心位置。
DrawChessBoardCorners 绘制检测到的棋盘角点
void cvDrawChessboardCorners( CvArr* image,CvSize
pattern_size,CvPoint2D32f*corners,
int count,int pattern_was_found );
image
结果图像，必须是8位彩色图像。
pattern_size
每行和每列地内角点数目。
corners
检测到地角点数组。
count
角点数目。
pattern_was_found
指示完整地棋盘被发现(≠0)还是没有发现(=0)。可以传输cvFindChessboardCorners函数的返回值。
当棋盘没有完全检测出时，函数cvDrawChessboardCorners以红色圆圈绘制检测到的棋盘角点；如果整个棋盘都检测到，则用直线连接所有的角点。
CalibrateCamera2利用定标来计算摄像机的内参数和外参数
void cvCalibrateCamera2 ( const CvMat* object_points,
constCvMat* image_points,const CvMat* point_counts,
CvSizeimage_size, CvMat* intrinsic_matrix,
CvMat*distortion_coeffs, CvMat* rotation_vectors=NULL,
CvMat*translation_vectors=NULL, int flags=0 );
object_points
定标点的世界坐标，为3xN或者Nx3的矩阵，这里N是所有视图中点的总数。
image_points
定标点的图像坐标，为2xN或者Nx2的矩阵，这里N是所有视图中点的总数。
point_counts
向量，指定不同视图里点的数目，1xM或者Mx1向量，M是视图数目。
image_size
图像大小，只用在初始化内参数时。
intrinsic_matrix
输出内参矩阵(A) ，如果指定CV_CALIB_USE_INTRINSIC_GUESS和（或）
CV_CALIB_FIX_ASPECT_RATION，fx、fy、cx和cy部分或者全部必须被初始化。distortion_coeffs
输出大小为4x1或者1x4的向量，里面为形变参数[k1, k2, p1, p2]。
rotation_vectors
输出大小为3xM或者Mx3的矩阵，里面为旋转向量（旋转矩阵的紧凑表示方式，具体参考函数cvRodrigues2）
translation_vectors
输出大小为3xM或Mx3的矩阵，里面为平移向量。
flags
不同的标志，可以是0，或者下面值的组合：
·CV_CALIB_USE_INTRINSIC_GUESS- 内参数矩阵包含fx，fy，cx和cy的初始值。否则，(cx,cy)被初始化到图像中心（这儿用到图像大小），焦距用最小平方差方式计算得到。注意，如果内部参数已知，没有必要使用这个函数，使用cvFindExtrinsicCameraParams2则可。
·CV_CALIB_FIX_PRINCIPAL_POINT- 主点在全局优化过程中不变，一直在中心位置或者在其他指定的位置（当CV_CALIB_USE_INTRINSIC_GUESS设置的时候）。
·CV_CALIB_FIX_ASPECT_RATIO- 优化过程中认为fx和fy中只有一个独立变量，保持比例fx/fy不变，fx/fy的值跟内参数矩阵初始化时的值一样。在这种情况下，(fx, fy)的实际初始值或者从输入内存矩阵中读取（当CV_CALIB_USE_INTRINSIC_GUESS被指定时），或者采用估计值（后者情况中fx和fy可能被设置为任意值，只有比值被使用）。·CV_CALIB_ZERO_TANGENT_DIST–切向形变参数(p1, p2)被设置为0，其值在优化过程中保持为0。
函数cvCalibrateCamera2从每个视图中估计相机的内参数和外参数。3维物体上的点和它们对应的在每个视图的2维投影必须被指定。这些可以通过使用一个已知几何形状切具有容易检测的特征点的物体来实现。这样的一个物体被称作定标设备或者定标模式，OpenCV有内建的把棋盘当作定标设备方法（参考cvFindChessboardCorners）。目前，传入初始化的内参数（当CV_CALIB_USE_INTRINSIC_GUESS被设置时）只支持平面定标设备（物体点的Z坐标必须时全0或者全1）。不过3维定标设备依然可以用在提供初始内参数矩阵情况。在内参数和外参数矩阵的初始值都计算出之后，它们会被优化用来减小反投影误差（图像上的实际坐标跟cvProjectPoints2计算出的图像坐标的差的平方和）。
Undistort2校正图像因相机镜头引起的变形
void cvUndistort2( const CvArr* src, CvArr* dst,
const CvMat* intrinsic_matrix,
const CvMat* distortion_coeffs );
src
原始图像（已经变形的图像）。
dst
结果图像（已经校正的图像）。
intrinsic_matrix
相机内参数矩阵，格式为。
distortion_coeffs
四个变形系数组成的向量，大小为4x1或者1x4，格式为[k1,k2,p1,p2]。
函数cvUndistort2对图像进行变换来抵消径向和切向镜头变形。相机参数和变形参数可以通过函数cvCalibrateCamera2取得。使用本节开始时提到的公式，对每个输出图像像素计算其在输入图像中的位置，然后输出图像的像素值通过双线性插值来计算。如果图像得分辨率跟定标时用得图像分辨率不一样，fx、fy、cx和cy需要相应调整，因为形变并没有变化。
FindExtrinsicCameraParams2计算指定视图的摄像机外参数
void cvFindExtrinsicCameraParams2 ( const CvMat*object_points,
const CvMat*image_points,
const CvMat*intrinsic_matrix,
const CvMat*distortion_coeffs,
CvMat*rotation_vector,
CvMat*translation_vector );
object_points
定标点的坐标，为3xN或者Nx3的矩阵，这里N是视图中的个数。
image_points
定标点在图像内的坐标，为2xN或者Nx2的矩阵，这里N是视图中的个数。
intrinsic_matrix
内参矩阵(A) 。
distortion_coeffs
大小为4x1或者1x4的向量，里面为形变参数[k1,k2,p1,p2]。如果是NULL，所有的形变系数都为0。
rotation_vector
输出大小为3x1或者1x3的矩阵，里面为旋转向量（旋转矩阵的紧凑表示方式，具体参考函数cvRodrigues2）。
translation_vector
大小为3x1或1x3的矩阵，里面为平移向量。
函数cvFindExtrinsicCameraParams2使用已知的内参数和某个视图的外参数来估计相机的外参数。3维物体上的点坐标和相应的2维投影必须被指定。这个函数也可以用来最小化反投影误差。
GoodFeaturesToTrack 确定图像的强角点
void cvGoodFeaturesToTrack( const CvArr*image, CvArr* eig_image, CvArr*
temp_image,
CvPoint2D32f* corners, int* corner_count,
double quality_level, double min_distance,
const CvArr* mask=NULL );
image
输入图像，8-位或浮点32-比特，单通道
eig_image
临时浮点32-位图像，尺寸与输入图像一致
temp_image
另外一个临时图像，格式与尺寸与eig_image 一致
corners
输出参数，检测到的角点
corner_count
输出参数，检测到的角点数目
quality_level
最大最小特征值的乘法因子。定义可接受图像角点的最小质量因子。
min_distance
限制因子。得到的角点的最小距离。使用Euclidian 距离
mask
ROI:感兴趣区域。函数在ROI中计算角点，如果mask 为NULL，则选择整个图像。
函数cvGoodFeaturesT oTrack 在图像中寻找具有大特征值的角点。该函数，首先用cvCornerMinEigenVal 计算输入图像的每一个象素点的最小特征值，并将结果存储到变量eig_image 中。然后进行非最大值抑制（仅保留3x3邻域中的局部最大值）。下一步将最小特征值小于quality_level?max(eig_image(x,y)) 排除掉。最后，函数确保所有发现的角点之间具有足够的距离，（最强的角点第一个保留，然后检查新的角点与已有角点之间的距离大于min_distance ）。
OpenCV主要函数介绍
4.1 OpenCV主要函数介绍 1) cvLoadImage 从文件中读取图像 IplImage* cvLoadImage(const char* filename,int flags=CV_LOAD_IMAGE_COLOR ); 函数cvLoadImage从指定文件读入图像，返回读入图像的指针。其中filename是要被读入的文件的文件名；flags指定读入图像的颜色和深度。 2)cvSaveImage 保存图像到文件 int cvSaveImage( const char* filename, const CvArr* image ); 函数cvSaveImage保存图像到指定文件。其中filename保存文件名。image 要保存的图像。图像格式的的选择依赖于filename的扩展名，只有8位单通道或者3通道（通道顺序为'BGR' ）可以使用这个函数保存。 3)cvQueryFrame从摄像头或者文件中抓取并返回一帧 IplImage* cvQueryFrame( CvCapture* capture ); 函数cvQueryFrame从摄像头或者文件中抓取一帧，然后解压并返回这一帧。这个函数仅仅是函数cvGrabFrame和函数cvRetrieveFrame在一起调用的组合。返回的图像不可以被用户释放或者修改。其中capture视频获取结构。。 4)cvCaptureFromCAM 初始化摄像头 CvCapture* cvCaptureFromCAM( int index ); 函数cvCaptureFromCAM给从摄像头的视频流分配和初始化CvCapture结构。 其中index要使用的摄像头索引。如果只有一个摄像头或者用哪个摄像头也无所谓，那使用参数-1应该便可以。 5）cvHaarDetectObjects 用来检测图像中的人脸区域 CV API(CvSeq*) cvHaarDetectObjects( const CvArr* image, CvHaarClassifierCascade* cascade, CvMemStorage* storage, double scale_factor CV_DEFAULT(1.1), int min_neighbors CV_DEFAULT(3), int flags CV_DEFAULT(0), CvSize min_size CV_DEFAULT(cvSize(0,0)), CvSize max_size CV_DEFAULT(cvSize(0,0))); 用于快速检测人脸区域，便于提取得到人脸数据。其中image 为被检图像，cascade为 haar分类器级联的内部标识形式，storage 为用来存储检测到的一
基于OpenCV的摄像机标定
第２８卷第１期计算机工程与设计２００７年１月Ｖ０１．２８Ｎｏ．１ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＤｅｓｉｇｎＪａｎ．２００７ 基于ＯｐｅｎＣＶ的摄像机标定 尹文生，罗瑜林，李世其 （华中科技大学机械科学与工程学院，湖北武汉４３００７４） 摘要：以增强现实系统中摄像机标定技术为研究对象，分析了开放计算机视觉函数库ＯｐｅｎＣＶ中的摄像机模型，特别充分考虑了透镜的径向畸变和切向畸变影响及求解方法，给出了基于ＯｐｅｎＣＶ的摄像机标定算法。该算法充分发挥了ＯｐｅｎＣＶ的函数库功能，提高了标定精度和计算效率，具有良好的跨平台移植性，可以满足增强现实和其它计算机视觉系统的需要。 关键词：计算机视觉；增强现实；摄像机模型；透镜畸变；摄像机标定 中图法分类号：ＴＰ３９１文献标识码：Ａ文章编号：１０００．７０２４（２００７）０１—０１９７．０３ ＣａｍｅｒａｃａｌｉｂｒａｔｉｏｎｂａｓｅｄｏｎＯｐｅｎＣＶ ＹＩＮＷｅｌ＂１。ｓｈｅｎｇ，ＬＵＯＹｕ．１ｉｎ，ＬＩＳｈｉ—ｑｉ （ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００７４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｆｏｒｔｈｅａｐｐｌｉｃａｔｉｏｎｓｏｆｔｅｃｈｎｏｌｏｇｙｏｆｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎｔｏａｕｇｕｓｔｒｅａｌｉｔｙ，ｔｈｅｃａｍｅｒａｍｏｄｅｌｉｎＯｐｅｎＣＶ（ｏｐｅｎｓｏｕｒｃｅｃｏｍｐｕｔｅｒｖｉｓｉｏｎｌｉｂｒａｒｙ）ｉｓｄｉｓｃｕｓｓｅｄ，ｅｓｐｅｃｉａｌｌｙｏｎｔｈｅｉｎｆｌｕｅｎｃｅｓａｎｄｓｏｌｖｉｎｇｍｅｔｈｏｄｓｏｆｌｅｎｓｒａｄｉａｌｄｉｓｔｏｒｔｉｏｎａｎｄｔａｎｇｅｎｔｉａｌｄｉｓｔｏｒｔｉｏｎ，ａｎｄａｎａｒｉｔｈｍｅｔｉｃｏｆｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎｂａｓｅｄｏｎＯｐｅｎＣＶｉｓｇｉｖｅｎ．Ｔｈｉｓａｒｉｔｈｍｅｔｉｃｍａｋｅｓｕｓｅｏｆｔｈｅｆｕｎｃｔｉｏｎｓｏｆｔｈｅｌｉｂｒａｒｙｅｆｆｅｃｔｉｖｅｌｙ，ｉｍｐｒｏｖｅｓｐｒｅｃｉｓｉｏｎａｎｄｅｆｆｉｃｉｅｎｃｙｏｆｃｏｍｐｕｔａｔｉｏｎ，ａｎｄｈａｓａｇｏｏｄｐｒｏｐｅｒｔｙｆｏｒｔｈｅａｐｐｌｉｃａｔｉｏｎｔｏｍｕｌｔｉ－ｐｌａｔｆｏｒｍ．Ｉｔｃａｎｍｅｅｔｔｈｅｎｅｅｄｓｏｆａｕｇｕｓｔｒｅａｌｉｔｙａｎｄｏｔｈｅｒｃｏｍｐｕｔｅｒｖｉｓｉｏｎｓｙｓｔｅｍｓ． Ｋｅｙｗｏｒｄｓ：ｃｏｍｐｕｔｅｒｖｉｓｉｏｎ；ａｕｇｕｓｔｒｅａｌｉｔｙ；ｃａｍｅｒａｍｏｄｅｌ；ｌｅｎｓｄｉｓｔｏｒｔｉｏｎ；ｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎ ０引言 摄像机标定，是指建立摄像机成像几何模型，描述空间坐标系中物体点同它在图像平面上像点之间对应关系的过程。摄像机标定的目的就是确定几何模型参数即摄像机参数“１。摄像机标定是计算机视觉应用中的关键技术，在增强现实系统中也必须采用摄像机标定技术实现图像的注册眨”。摄像机标定技术在立体视觉研究中占有非常重要的地位。一个完整的立体视觉系统通常可分为图像获取、摄像机标定、特征提取、立体匹配、深度确定及内插等６大部分“１。精确标定摄像机内外参数不仅可以直接提高测量精度，而且可以为后继的立体图像匹配与三维重建奠定良好的基础。一】。 目前通常采用的标定方法是基于“两步法圳””的传统摄像机标定方法，该方法比主动视觉摄像机标定方法和摄像机自标定方法标定精度高，而且标定过程简单，经过多年的研究已经发展得比较成熟，鲁棒性高。ＯｐｅｎＣＶ（Ｉｎｔｅｌ。ｏｐｅｎｓｏｕｒｃｅｃｏｍｐｕｔｅｒｖｉｓｉｏｎｌｉｂｒａｒｙ）是Ｉｎｔｅｌ。开放计算机视觉函数库，它由一系列Ｃ函数和少量Ｃ＋＋类构成，实现了图像处理和计算机视觉方面的很多通用算法，具备强大的图像和矩阵运算能力。该函数库中实现的摄像机标定方法采用的是文献［１１］中的两步标定方法，而且在２００５年７月最新发布的ｂｅｔａ５版本中，不只完全重写了摄像机标定函数，而且引入了文献［１２】中的自动寻找角点的方法，进一步提高了标定的智能化程度，用户只需导入用于标定的图片，整个标定过程无需人工的介入。ＯｐｅｎＣＶ中的摄像机标定模块为用户提供了良好的接口，同时支持ＭＳ．Ｗｉｎｄｏｗｓ、Ｌｉｎｕｘ平台，有效地提高了开发效率，并且执行速度快，具有良好的跨平台移植性，因此可以很好地应用于工程实际当中。 ｌ标定原理 １．１摄像机模型 摄像机标定首先要选择合适的摄像机模型，确定内外部参数。ＯｐｅｎＣＶ标定算法中的摄像机模型以针孔模型（ｐｉｎ—ｈｏｌｅｍｏｄｅｌ）为基础，引入透镜的径向畸变和切向畸变，该模型相比于只引入一阶径向畸变的Ｔａｓｉ模型和针孔模型更加真实地反映了透镜实际的畸变情况ｍ１。在该模型中，将空间点Ｐ在世界坐标系中的坐标值呱，Ｋ，乙）变换为图像平面上像素坐标系中坐标值（“，ｖ）的过程可分解为下述的４步变换”１： 收稿日期：２００５－１２?０６Ｅ－ｍａｒｌ：ｗｓｙｉｎ＠ｍａｉｌ．ｈｕｓｔ．ｅｄｕ．ｃｎ 基金项目：国家民用航天科研专项计划基金项目（科工技［２００４］１５３０）。 作者简介：尹文生（１９６３一），男，湖南常宁人，博士，副教授，研究方向为智能ＣＡＤ、虚拟现实技术、机器人遥操作系统；罗瑜林（１９８１一），男，江西吉安人，硕士研究生，研究方向为机器人遥操作系统、机器视觉；李世其（１９６５一），男，江西吉安人，博士，教授，研究方向为ＣＡＤ／ＣＡＥ、虚拟现实技术、机器人遥操作系统。 一１９７— 万方数据
opencv函数目录-Cv图像处理
目录 1 梯度、边缘和角点 1.1 Sobel 1.2 Laplace 1.3 Canny 1.4 PreCornerDetect 1.5 CornerEigenValsAndVecs 1.6 CornerMinEigenVal 1.7 CornerHarris 1.8 FindCornerSubPix 1.9 GoodFeaturesToTrack 2 采样、插值和几何变换 2.1 InitLineIterator 2.2 SampleLine 2.3 GetRectSubPix 2.4 GetQuadrangleSubPix 2.5 Resize 2.6 WarpAffine 2.7 GetAffineTransform 2.8 2DRotationMatrix 2.9 WarpPerspective 2.10 WarpPerspectiveQMatrix 2.11 GetPerspectiveTransform 2.12 Remap 2.13 LogPolar 3 形态学操作 3.1 CreateStructuringElementEx 3.2 ReleaseStructuringElement 3.3 Erode 3.4 Dilate 3.5 MorphologyEx 4 滤波器与色彩空间变换 4.1 Smooth 4.2 Filter2D 4.3 CopyMakeBorder 4.4 Integral 4.5 CvtColor 4.6 Threshold 4.7 AdaptiveThreshold 5 金字塔及其应用 5.1 PyrDown 5.2 PyrUp 6 连接部件 6.1 CvConnectedComp
摄像机标定方法综述
摄像机标定方法综述 摘要：首先根据不同的分类方法对对摄像机标定方法进行分类，并对传统摄像机标定方法、摄像机自标定方法等各种方法进行了优缺点对比，最后就如何提高摄像机标定精度提出几种可行性方法。 关键字：摄像机标定，传统标定法，自标定法，主动视觉 引言 计算机视觉的研究目标是使计算机能通过二维图像认知三维环境，并从中获取需要的信息用于重建和识别物体。摄像机便是3D 空间和2D 图像之间的一种映射，其中两空间之间的相互关系是由摄像机的几何模型决定的，即通常所称的摄像机参数，是表征摄像机映射的具体性质的矩阵。求解这些参数的过程被称为摄像机标定[1]。近20 多年，摄像机标定已成为计算机视觉领域的研究热点之一，目前已广泛应用于三维测量、三维物体重建、机器导航、视觉监控、物体识别、工业检测、生物医学等诸多领域。 从定义上看，摄像机标定实质上是确定摄像机内外参数的一个过程，其中内部参数的标定是指确定摄像机固有的、与位置参数无关的内部几何与光学参数，包括图像中心坐标、焦距、比例因子和镜头畸变等；而外部参数的标定是指确定摄像机坐标系相对于某一世界坐标系的三维位置和方向关系，可用3 ×3 的旋转矩阵R 和一个平移向量t 来表示。 摄像机标定起源于早前摄影测量中的镜头校正，对镜头校正的研究在十九世纪就已出现，二战后镜头校正成为研究的热点问题，一是因为二战中使用大量飞机，在作战考察中要进行大量的地图测绘和航空摄影，二是为满足三维测量需要立体测绘仪器开始出现，为了保证测量结果的精度足够高，就必须首先对校正相机镜头。在这期间，一些镜头像差的表达式陆续提出并被普遍认同和采用，建立起了较多的镜头像差模型，D.C.Brown等对此作出了较大贡献，包括推导了近焦距情况下给定位置处径向畸变的表达式及证明了近焦距情况下测得镜头两个位置处的径向畸变情况就可求得任意位置的径向畸变等[2]。这些径向与切向像差表达式正是后来各种摄像机标定非线性模型的基础。随着CCD器件的发展，现有的数码摄像机逐渐代替原有的照相机，同时随着像素等数字化概念的出现，在实际应用中，在参数表达式上采用这样的相对量单位会显得更加方便，摄像机标定一词也就代替了最初的镜头校正。
opencv摄像机标定代码
// cvCalib.cpp : Defines the entry point for the console application. // #include "stdafx.h" #include
OPENCV库函数使用说明
OPENCV（Intel Open Source Computer Vision Library）是一种数字图像处理和计算机视觉的函数库，由Intel公司微处理器实验室（Intel’s Microprocessor Research Lab）的视觉交互组（The Visual Interactivity Group）开发。它可以在Windows系统、Linux系统、MacOSx系统等操作平台上使用，也可以和其他编程工具结合，以满足不同的使用要求。使用OPENCV使用C/C++编写，包含300多个图像处理函数，有以下几个对立的子库组成： 1.CXCORE：一些基本函数（各种数据类型的基本运算等） 2.CV：图像处理和计算机视觉算法（图像处理、结构分析、运动分析、物体跟 踪和模式识别等） 3.HIGHGUI：用户交互部分（图形界面，图像视频输入输出，系统调用函数） 4.CVAUX：一些实验性的函数（三维跟踪等） 在这些库函数的支持下，用户可以直接调用滤波函数，形态学处理，图像特征提取，轮廓提取算法和跟踪算法，也可以添加自己编写的子函数，不但能完成复杂的开发任务，还可以提高效率，达到事半功倍的效果。 OPENCV的重要特性： 1．拥有包括300多个C函数的跨平台的中、高层API。它不依赖于其他的外部库——尽管也可以使用某些外部库。 2．对非商业应用和商业应用都是免费（FREE）的。 3．为Integrated Performance Primitives（IPP）提供了透明的接口。这意味着如果有为特定处理器优化的IPP库，OPENCV将在运行时自动加载这些库。 在VC++环境中OPENCV的使用设置： Microsoft公司开发的Visual C++是一种具有高度综合性能的软件开发工具。用它开发出的程序具有运行速度快，可移植能力强等优点，在对数字图像处理进行处理时经常采用Visual C++进行编程，通过对VC进行配置，就可以在编程过程中直接使用OPENCV的函数编写代码，减少了工作量，提高了运行效率。 在OPENCV安装完成后，首先需要把它的路径加入到系统环境变量中，然后再VC菜单Tools→Options→Directories下设置Library files路径，再选择Source files，最后选择Include files，就可以加入路径，如错误！未找到引用源。所示。设置完成后，就可以新建或打开一个使用OPENCV的工程。 打开工程后，选择菜单Project→Settings，然后将Setting for选为All Configurations，再选择右边的link标签，在Object/library modules加上工程属性中使用的库，这样就可以顺利编程。
基于OpenCV的CCD摄像机标定方法_雷铭哲_孙少杰_陈晋良_陶磊_魏坤
ＭｅｔｈｏｄｏｆＣＣＤＣａｍｅｒａＣａｌｉｂｒａｔｉｏｎＢａｓｅｄＯｎＯｐｅｎＣＶ ＬＥＩＭｉｎｇ－ｚｈｅ１，ＳＵＮＳｈａｏ－ｊｉｅ２，ＣＨＥＮＪｉｎ－ｌｉａｎｇ１，ＴＡＯＬｅｉ１，ＷＥＩＫｕｎ１ （１．North Automation Control Technology Institute ，Taiyuan ０３０００６，China ； ２．Navy Submarine Academy ，Qingdao ２６６０４２，China ）Ａｂｓｔｒａｃｔ： Ｃｏｍｐｕｔｅｒｖｉｓｉｏｎｈａｓｂｅｅｎｗｉｄｅｌｙｕｓｅｄｉｎｉｎｄｕｓｔｒｙ，ａｇｒｉｃｕｌｔｕｒｅ，ｍｉｌｉｔａｒｙ，ｔｒａｎｓｐｏｒｔａｔｉｏｎａｒｅａａｎｄｓｏｏｎ．Ｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎｉｓｖｅｒｙｉｍｐｏｒｔａｎｔａｎｄａｌｓｏｔｈｅｋｅｙｒｅｓｅａｒｃｈｆｉｅｌｄｏｆｖｉｓｉｏｎｓｙｓｔｅｍ．ＴｈｉｓｐａｐｅｒｍａｉｎｌｙｒｅｓｅａｒｃｈｅｓｏｎｔｈｅｍｅｔｈｏｄｏｆＣＣＤｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎ，ｔｈｅｐｉｎ－ｈｏｌｅｍｏｄｅｌｈａｓｂｅｅｎｉｎｔｒｏｄｕｃｅｄａｎｄａｐｐｌｉｅｄｉｎｐｒｏｃｅｓｓｏｆｃａｌｉｂｒａｔｉｏｎ．Ｓｐｅｃｉａｌｌｙ，ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙ，ｂｏｔｈｒａｄｉａｌａｎｄｔａｎｇｅｎｔｉａｌｌｅｎｓｄｉｓｔｏｒｔｉｏｎｈａｖｅｂｅｅｎｔａｋｅｎｉｎｔｏａｃｃｏｕｎｔｄｕｒｉｎｇｔｈｅｉｍｐｌｅｍｅｎｔｏｆｃａｌｉｂｒａｔｉｏｎｂａｓｅｄｏｎＯｐｅｎＣＶ．Ｔｈｉｓｋｉｎｄｏｆａｒｉｔｈｍｅｔｉｃｈａｓｐｒａｃｔｉｃａｌｖａｌｕｅｏｎｔｈｅａｐｐｌｉｃａｔｉｏｎｄｅｓｉｇｎｏｆｉｍａｇｅｐｒｏｃｅｓｓｉｎｇａｎｄｃｏｍｐｕｔｅｒｖｉｓｉｏｎ，ａｎｄｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｇｏｏｄｐｒｅｃｉｓｉｏｎ，ｗｈｉｃｈｃａｎｍｅｅｔｔｈｅａｐｐｌｉｃａｔｉｏｎｎｅｅｄｏｆｖｉｓｕａｌｉｎｓｐｅｃｔｉｏｎｏｒｏｔｈｅｒｖｉｓｉｏｎｓｙｓｔｅｍｓｗｅｌｌ． Ｋｅｙｗｏｒｄｓ： ｐｉｎ－ｈｏｌｅｍｏｄｅｌ，ｃａｍｅｒａｃａｌｉｂｒａｔｉｏｎ，ｌｅｎｓｄｉｓｔｏｒｔｉｏｎ，ＯｐｅｎＣＶ摘要： 计算机视觉在工业，农业，军事，交通等领域都有着广泛应用。摄像机标定是视觉系统的重要环节，也是研究的关键领域。以摄像机标定技术为研究对象，选取针孔成像模型，简述了世界坐标系、摄像机坐标系和图像坐标系及其相互间的位置关系，对标定过程进行了深入研究。特别地，为提高标定精度，充分考虑了透镜径向和切向畸变影响及其求解方法，制作了棋盘格平面标定模板，基于开放计算机视觉函数库（ＯｐｅｎＣＶ）实现了摄像机标定。该标定算法能够充分发挥ＯｐｅｎＣＶ函数库功能，对于图像处理与计算机视觉方面的应用设计具有实用价值。实验结果表明该方法取得了较高精度，能够满足视觉检测或其他计算机视觉系统的应用需要。 关键词：针孔模型，摄像机标定，透镜畸变，ＯｐｅｎＣＶ中图分类号：Ｓ２１９ 文献标识码：Ａ 基于ＯｐｅｎＣＶ的ＣＣＤ摄像机标定方法 雷铭哲1，孙少杰2，陈晋良1，陶 磊1，魏坤1 （１．北方自动控制技术研究所，太原０３０００６；２．海军潜艇学院，山东青岛２６６０４２ ）文章编号：１００２－０６４０（２０１４） 增刊－００４９－０３Ｖｏｌ．３９，Ｓｕｐｐｌｅｍｅｎｔ Ｊｕｌ，２０１４ 火力与指挥控制 ＦｉｒｅＣｏｎｔｒｏｌ＆ＣｏｍｍａｎｄＣｏｎｔｒｏｌ第３９卷增刊 引言 摄像机标定是计算机视觉系统的前提和基础，其目的是 确定摄像机内部的几何和光学特性（内部参数）以及摄像机 在三维世界中的坐标关系（外部系数） ［１］ 。考虑到摄像机标定在理论和实践应用中的重要价值，学术界近年来进行了广泛的研究。 摄像机标定方法可以分为线性标定和非线性标定，前者简单快速，精度低，不考虑镜头畸变；后者由于引入畸变参数而使精度提高，但计算繁琐，速度慢，对初值选择和噪声敏感。本文将两者结合起来，采用由粗到精策略，以实现精确标定。 １摄像机模型 本文选取摄像机模型中常用的针孔模型［２－３］，分别建立三维世界坐标系（O w X w Y w Z w ），摄像机坐标系（O c X c Y c Z c ）及图像平面坐标系（O １xy ） 如下页图１所示。其中摄像机坐标系原点O c 为摄像机光心，Z c 轴与光轴重合且与图像平面垂直，O c O １为摄像机焦距f 。图像坐标系原点O １为光轴与图像平面的交点，x ，y 轴分别平行于摄像机坐标系X c 、Y c 轴。设世界坐标系中物点P 的三维坐标为（X w ，Y w ，Z w ），它在理想的针孔成像模型下图像坐标为P （X u ，Y u ），但由于透镜畸变引起偏离［４－５］，其实际图像坐标为P （X d ，Y d ）。图像收稿日期：２０１３－０９－２０修回日期：２０１３－１１－１０ 作者简介：雷铭哲（1977-），男，湖北咸宁人，硕士。研究方向：故障诊断系统。 ４９··
OPENCV函数
Opencv函数 分配图像空间: IplImage*cvCreateImage(CvSize size,int depth,int channels); size:cvSize(width,height); depth:IPL_DEPTH_8U,IPL_DEPTH_8S,IPL_DEPTH_16U, IPL_DEPTH_16S,IPL_DEPTH_32S,IPL_DEPTH_32F, IPL_DEPTH_64F channels:1,2,3or4. 注意数据为交叉存取.彩色图像的数据编排为b0g0r0b1g1 r1... 举例: //分配一个单通道字节图像 IplImage*img1=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1); //分配一个三通道浮点图像 IplImage*img2=cvCreateImage(cvSize(640,480),IPL_DEPTH_32F,3); 释放图像空间: IplImage*img=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1); cvReleaseImage(&img); 复制图像: IplImage*img1=cvCreateImage(cvSize(640,480),IPL_DEPTH_8U,1); IplImage*img2; img2=cvCloneImage(img1); 设定/获取兴趣区域: void cvSetImageROI(IplImage*image,CvRect rect); void cvResetImageROI(IplImage*image); vRect cvGetImageROI(const IplImage*image); 大部分OpenCV函数都支持ROI. 设定/获取兴趣通道: void cvSetImageCOI(IplImage*image,int coi);//0=all int cvGetImageCOI(const IplImage*image); 大部分OpenCV函数暂不支持COI.
最新-01-30相机标定的原理与意义及opencv、matlab实现差异小结汇总
2011-01-30相机标定的原理与意义及O p e n C V、M a t l a b实现差异小结
2011-01-30 相机标定的原理与意义及OpenCV、Matlab实现差异小结 分类：OpenCV点滴2011-01-30 20:35 2292人阅读评论(3) 收藏举报本文是一篇关于相机标定意义和原理的个人总结，包含了OpenCV和Matlab中常用的相机标定函数的注解。 相机标定是机器视觉的基础，标定结果的好坏直接决定了机器视觉的系统精度，作用可见一斑。在这一年半的时间里，我个人也是随着实验和程序的进一步理解，对标定的原理和意义有了更多的想法。同样，由于博文的关系，仍有一些朋友会常常询问标定的程序问题。本人的2010-05-17OpenCV标定程序的问题也多次被朋友询问，由于当时对标定的认识还不够系统，因此现在认为该文对标定的意义和原理有很多误解，并在此推荐一些较好的博文拱大家学习：双目测距与三维重建的OpenCV实现问题集锦（一）图像获取与单目标定； 双目测距与三维重建的OpenCV实现问题集锦（二）双目标定与双目校正； 双摄像头测距的OpenCV实现； 分享一些OpenCV实现立体视觉的经验； 下面结合本人的毕业论文及一年半来对机器视觉的学习，对相机标定的意义和原理进行叙述。 1.单目相机模型
单目相机模型中的三种坐标系关系如图1所示，相机坐标系即是以光轴中心O为原点的坐标系，其z轴满足右手法则，成像原点所代表平面即为像平面坐标系（实际应用中，均以图像左上角为坐标系原点），实际物体坐标系即为世界坐标系。 图1 单目相机模型的三坐标系统关系其中，在世界坐标系的值为，是在像平面坐标系的投影点，其相机坐标系的值为。是相机坐标系轴与像平面夹角，一般情况下轴与像平面垂直，值为。且相机坐标系与像平面平行， 为相机的焦距。 对于从相机坐标系到像平面坐标系的变换，像平面坐标系是用像素单位来表示的，而相机坐标系则是以毫米为单位来表示，因此，要完成改变换过程就需要先得到像平面的像素单位与毫米单位之间的线性关系。在图1中，相机光轴中心z轴方向上与像平面的交点称为投影中心，坐标为，是像素单位，而每个像素在和的物理尺寸为和，单位是像素/毫米，则像平面的像素与毫米间的线性关系如式（1）：
基于OpenCV的摄像机标定的应用研究
38562009,30(16)计算机工程与设计Computer Engineering and Design 0引言 机器视觉的基本任务之一是从摄像机获取的图像信息出发计算三维空间中物体的几何信息，并由此重建和识别物体，而空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系是由摄像机成像的几何模型决定的，这些几何模型参数就是摄像机参数。在大多数条件下，这些参数必须通过实验与计算才能得到，这个过程称为摄像机标定(或定标)。标定过程就是确定摄像机的几何和光学参数，摄像机相对于世界坐标系的方位。标定精度的大小，直接影响着机器视觉的精度。迄今为止，对于摄像机标定问题已提出了很多方法，摄像机标定的理论问题已得到较好的解决[1-5]。对摄像机标定的研究来说，当前的研究工作应该集中在如何针对具体的实际应用问题，采用特定的简便、实用、快速、准确的标定方法。 OpenCV是Intel公司资助的开源计算机视觉(open source computer vision)库，由一系列C函数和少量C++类构成，可实现图像处理和计算机视觉方面的很多通用算法。OpenCV有以下特点： (1)开放C源码； (2)基于Intel处理器指令集开发的优化代码； (3)统一的结构和功能定义； (4)强大的图像和矩阵运算能力； (5)方便灵活的用户接口； (6)同时支持Windows和Linux平台。 作为一个基本的计算机视觉、图像处理和模式识别的开源项目，OpenCV可以直接应用于很多领域，是二次开发的理想工具。目前，OpenCV的最新版本是2006年发布的OpenCV 1.0版，它加入了对GCC4.X和Visual https://www.sodocs.net/doc/b818072176.html,2005的支持。 1摄像机标定原理 1.1世界、摄像机与图像坐标系 摄像机标定中有3个不同层次的坐标系统：世界坐标系、摄像机坐标系和图像坐标系(图像像素坐标系和图像物理坐标系)。 如图1所示，在图像上定义直角坐标系 开发与应用
OPenCV3.2中Mat对象常用函数属性总结
OPenCV3.2中Mat对象常用函数属性总结Mat对象是OpenCV2.0之后引进的图像数据结构，它能自动分配内存、不存在内存泄漏的问题，是面向对象的数据结构。分了两个部分，头部与数据部分。 在使用Mat对象时，有以下四个要点需要注意： 1、输出图像的内存是自动分配的 2、使用OpenCV的C++接口，不需要考虑内存分配问题 3、赋值操作和拷贝构造函数只会复制头部分 4、使用clone与copyTo两个函数实现数据完全复制 下面我们就具体介绍一下公共成员函数和公共属性。 公共成员函数： 1、cv::Mat::Mat ( int rows, int cols, int type ) 参数： rows2D数组中的行数 cols2D数组中的列数。 type数组类型。使用CV_8UC1,…，CV_64FC4创建1 - 4通道矩阵，或CV_8UC(n)，…，CV_64FC(n)创建多通道(向上到CV_CN_MAX通道)矩阵。
2、cv::Mat::Mat ( Size size, int type ) 参数： size 2D数组大小:Size(cols, rows)。在Size()构造函数中，行数和列数以相反的顺序排列。 type 数组类型。使用CV_8UC1,…，CV_64FC4创建1 - 4通道矩阵，或CV_8UC(n)，…，CV_64FC(n)创建多通道(向上到CV_CN_MAX通道)矩阵。 3、cv::Mat::Mat ( int rows, int cols, int type, const Scalar & s ) 参数： rows2D数组中的行数。 cols 2D数组中的列数。 type数组类型。使用CV_8UC1,…，CV_64FC4创建1 - 4通道矩阵，或CV_8UC(n)，…，CV_64FC(n)创建多通道(向上到CV_CN_MAX通道)矩阵。s 初始化每个矩阵元素的可选值。在构建后将所有矩阵元素设置为特定值, 使用赋值运算符Mat::operator=(const Scalar& value) 。 4、cv::Mat::Mat ( Size size, int type,
摄像机标定程序使用方法
一、材料准备 1 准备靶标： 根据摄像头的工作距离，设计靶标大小。使靶标在规定距离范围里，尽量全屏显示在摄像头图像内。 注意：靶标设计、打印要清晰。 2图像采集： 将靶标摆放成各种不同姿态，使用左摄像头采集N幅图像。尽量保存到程序的debug->data文件夹内，便于集中处理。 二、角点处理（Process菜单） 1 准备工作： 在程序debug文件夹下，建立data，left，right文件夹，将角探测器模板文件target.txt 复制到data文件夹下，便于后续处理。 2 调入图像： File->Open 打开靶标图像 3 选取角点，保存角点： 点击Process->Prepare Extrcor ，点击鼠标左键进行四个角点的选取，要求四个角点在最外侧，且能围成一个正方形区域。每点击一个角点，跳出一个显示角点坐标的提示框。当点击完第四个角点时，跳出显示四个定位点坐标的提示框。 点击Process->Extract Corners ，对该幅图的角点数据进行保存，最好保存到debug->data-> left文件夹下。命名时，最好命名为cornerdata*.txt，*代表编号。 对其余N-1幅图像进行角点处理，保存在相同文件夹下。这样在left文件夹会出现N 个角点txt文件。 三、计算内部参数（Calibration菜单） 1 准备工作： 在left文件夹中挑出5个靶标姿态差异较大的角点数据txt，将其归为一组。将该组数据复制到data文件夹下，重新顺序编号，此时，文件名必须为cornerdata*，因为计算参数时，只识别该类文件名。 2 参数计算： 点击Calibration->Cameral Calibrating，跳出该组图像算得的摄像机内部参数alpha、beta、gama、u0、v0、k1、k2七个内部参数和两组靶标姿态矩阵，且程序默认保存为文件CameraCalibrateResult.txt。 3 处理其余角点数据文件 在原来N个角点数据文件中重新取出靶标姿态较大的5个数据文档，重复步骤1和2；反复取上M组数据，保存各组数据。 注意：在对下一组图像进行计算时，需要将上一组在data文件夹下的5个数据删除。 四、数据精选 1 将各组内部参数计算结果进行列表统计，要求|gama|<2，且gama为负，删掉不符合条件的数据。 2 挑出出现次数最高的一组数据。
快速学习OPENCV常用函数
访问图像元素如下: 1、针对各种图像(包括4-通道)和矩阵的函数(cvGet2D,cvSet2D),但是它们都很慢. (img->origin=IPL_ORIGIN_TL)或者是左下角(img->origin=IPL_ORIGIN_BL) 假设有8-bit1－通道的图像I(IplImage*img): I(x,y)~((uchar*)(img->imageData+img->widthStep*y))[x] 假设有8-bit3-通道的图像I(IplImage*img): I(x,y)blue~((uchar*)(img->imageData+img->widthStep*y))[x*3] I(x,y)green~((uchar*)(img->imageData+img->widthStep*y))[x*3+1] I(x,y)red~((uchar*)(img->imageData+img->widthStep*y))[x*3+2] 如果增加点(100,100)的亮度30，那么可以: CvPoint pt={100,100}; ((uchar*)(img->imageData+img->widthStep*pt.y))[pt.x*3]+=30; ((uchar*)(img->imageData+img->widthStep*pt.y))[pt.x*3+1]+=30; ((uchar*)(img->imageData+img->widthStep*pt.y))[pt.x*3+2]+=30; CvPoint pt={100,100}; uchar*temp_ptr=&((uchar*)(img->imageData+ img->widthStep*pt.y))[x*3]; temp_ptr[0]+=30; temp_ptr[1]+=30; temp_ptr[2]+=30; 假设有32-bit浮点数,1-通道图像I(IplImage*img): I(x,y)~((float*)(img->imageData+img->widthStep*y))[x] 现在，通用方法：假设有N-通道，类型为T的图像： I(x,y)c~((T*)(img->imageData+img->widthStep*y))[x*N+c] 或者你可使用宏CV_IMAGE_ELEM(image_header,elemtype,y,x_Nc) I(x,y)c~CV_IMAGE_ELEM(img,T,y,x*N+c) 2、访问矩阵元素 设有32-bit浮点数的实数矩阵M(CvMat*mat): M(i,j)~((float*)(mat->data.ptr+mat->step*i))[j] 设有64-bit浮点数的复数矩阵M(CvMat*mat): Re M(i,j)~((double*)(mat->data.ptr+mat->step*i))[j*2] Im M(i,j)~((double*)(mat->data.ptr+mat->step*i))[j*2+1]
相机标定程序
/*环境OpenCV2.3.1+visual studio2010 *calibdata.txt 保持标定图片的路径(根据实际设置) */ #include "stdafx.h" #include "cv.h" #include "highgui.h" #include
OpenCV最基础的图像处理的例子
?什么是OpenCV ?开源C/C++计算机视觉库. ?面向实时应用进行优化. ?跨操作系统/硬件/窗口管理器. ?通用图像/视频载入、存储和获取. ?由中、高层API构成. ?为Intel?公司的Integrated Performance Primitives (IPP) 提供了透明接口. ?特性: ?图像数据操作(分配,释放, 复制, 设定, 转换). ?图像与视频I/O (基于文件/摄像头输入, 图像/视频文件输出). ?矩阵与向量操作与线性代数计算(相乘, 求解, 特征值, 奇异值分解SVD). ?各种动态数据结构(列表, 队列, 集, 树, 图). ?基本图像处理(滤波, 边缘检测, 角点检测, 采样与插值, 色彩转换, 形态操作, 直方图, 图像金字塔). ?结构分析(连接成分, 轮廓处理, 距离转换, 模板匹配, Hough转换, 多边形近似, 线性拟合, 椭圆拟合, Delaunay三角化). ?摄像头标定 (寻找并跟踪标定模板, 标定, 基础矩阵估计, homography估计, 立体匹配). ?动作分析(光流, 动作分割, 跟踪). ?对象辨识 (特征方法, 隐马可夫链模型HMM). ?基本GUI(显示图像/视频, 键盘鼠标操作, 滚动条). ?图像标识 (直线, 圆锥, 多边形, 文本绘图) ?OpenCV 模块: ?cv - OpenCV 主要函数. ?cvaux - 辅助(实验性) OpenCV 函数. ?cxcore - 数据结构与线性代数算法. ?highgui - GUI函数. 资料链接 ?参考手册: ?
opencv最基础的图像处理
openCV——几个实用函数 2010年12月20日星期一 09:18 1. cvSmooth：各种方法的图像平滑 void cvSmooth( const CvArr* src, CvArr* dst, int smoothtype=CV_GAUSSIAN, int param1=3, int param2=0, double param3=0 ); src 输入图像. dst 输出图像. smoothtype 平滑方法: . CV_BLUR_NO_SCALE (简单不带尺度变换的模糊) - 对每个象素的param1×param2 领域求和。如果邻域大小是变化的，可以事先利用函数cvIntegral 计算积分图像。 . CV_BLUR (simple blur) - 对每个象素param1×param2邻域求和并做尺度变换 1/(param1.param2). . CV_GAUSSIAN (gaussian blur) - 对图像进行核大小为 param1×param2 的高斯卷积 . CV_MEDIAN (median blur) - 对图像进行核大小为 param1×param1 的中值滤波 (i.e. 邻域是方的). . CV_BILATERAL (双向滤波) - 应用双向 3x3 滤波，彩色 sigma=param1，空间 sigma=param2. 平滑操作的第一个参数. param2 平滑操作的第二个参数. 对于简单/非尺度变换的高斯模糊的情况，如果 param2的值为零，则表示其被设定为param1。 param3
对应高斯参数的 Gaussian sigma (标准差). 如果为零，则标准差由下面的核尺寸计算： sigma = (n/2 - 1)*0.3 + 0.8, 其中 n=param1 对应水平核, n=param2 对应垂直核. 对小的卷积核 (3×3 to 7×7) 使用如上公式所示的标准 sigma 速度会快。如果 param3 不为零，而 param1 和 param2 为零，则核大小有sigma 计算 (以保证足够精确的操作). 函数 cvSmooth 可使用上面任何一种方法平滑图像。每一种方法都有自己的特点以及局限。 没有缩放的图像平滑仅支持单通道图像，并且支持8位到16位的转换(与cvSobel和cvaplace相似)和32位浮点数到32位浮点数的变换格式。 简单模糊和高斯模糊支持 1- 或 3-通道, 8-比特和 32-比特浮点图像。这两种方法可以（in-place）方式处理图像。 中值和双向滤波工作于 1- 或 3-通道， 8-位图像，但是不能以 in-place 方式处理图像. 2．IplImage结构 由于OpenCV主要针对的是计算机视觉方面的处理，因此在函数库中，最重要的结构体是IplImage结构。IplImage结构来源于Intel的另外一个函数库Intel Image Processing Library (IPL)，该函数库主要是针对图像处理。IplImage结构具体定义如下： typedef struct _IplImage { int nSize; /* IplImage大小 */ int ID; /* 版本 (=0)*/
相关文档
- 基于OpenCV算法库的摄像机标定方法
- 基于OpenCV摄像机标定研究
- 摄像机标定原理及源码
- 相机标定程序
- 摄像机标定程序中用到的OpenCV函数
- opencv标定程序
- opencv摄像机标定代码
- 标签摄像机标定
- 一种基于OpenCV的摄像机标定新方法
- 一种基于OpenCV的简易摄像机标定方法
- opencv摄像机标定原理
- 摄像机标定过程中用到的函数
- 基于OpenCV的摄像机标定
- 双目标定-opencv-双目相机标定
- 实验报告：摄像机标定
- 基于OpenCV的摄像机标定的应用研究
- 基于OpenCV的摄像机标定
- 一种基于OpenCV及CVUT的摄像机标定方法
- 单目标定-opencv-单目相机标定
- 基于OpenCV的摄像机标定方法的实现