图像畸变矫正与透视变换

图像畸变矫正与透视变换

引用

CSDN

1.

https://blog.csdn.net/baidu_24565387/article/details/140207036

图像畸变矫正与透视变换是计算机视觉领域中的两个重要技术，广泛应用于工业检测、机器人导航、安防监控等领域。本文将详细介绍如何使用Halcon软件实现图像畸变矫正和透视变换，包括圆形棋盘格标定板的生成、相机参数标定、畸变矫正以及透视变换的具体实现方法。

Halcon自动生成的圆形棋盘格

在进行图像处理之前，首先需要生成一个圆形棋盘格标定板。Halcon提供了生成圆形棋盘格标定板的函数，可以通过指定行数、列数、直径等参数来自动生成标定板。

示例程序：

*生成圆形棋盘格 行 列 直径 直径/距离比值
gen_caltab (12, 9, 0.002, 0.5, 'caltab_12X9.descr', 'caltab.ps')
*生成相机参数 焦距 畸变系数 X解析度 Y解析度 图像中心 图像宽高
gen_cam_par_area_scan_division (0.035, 0, 0.0000137,0.0000137,Width/2, Height/2, Width, Height, CameraParam1)
set_calib_data_cam_param (CalibDataID, 0, [], CameraParam1)
set_calib_data_calib_object (CalibDataID, 0, 'caltab_12X9.descr')
find_calib_object (ImageResult1, CalibDataID, 0, 0, 0,'alpha',0.2) 
get_calib_data_observ_contours (Ellipses, CalibDataID, 'marks', 0, 0,0)
calibrate_cameras (CalibDataID, Error)
get_calib_data (CalibDataID, 'camera', 0, 'params', DataValue)
*畸变矫正
change_radial_distortion_cam_par ('adaptive', DataValue, 0, CamParamOut)
change_radial_distortion_image (Image, Image, ImageRectified, DataValue, CamParamOut)

标定结果：

Halcon透视变换

原始图像

在进行透视变换之前，需要先寻找图像中的4个标定块顶点坐标。假设标定块的尺寸为50mm x 50mm。

代码实现

透视变换的核心是计算投影变换矩阵，然后应用该矩阵对图像进行变换。以下是具体的实现代码：

hom_vector_to_proj_hom_mat2d ([Row1,Row2,Row3,Row4], [Column1,Column2,Column3,Column4], [1,1,1,1],\
[Row1,Row1,Row1+H,Row1+H], [Column1,Column1+W,Column1,Column1+W], [1,1,1,1], 'normalized_dlt', HomMat2D)
projective_trans_image (Image, TransImage, HomMat2D, 'bilinear', 'false', 'false')

矫正后图像

经过透视变换后，图像的像素精度如下：

• PixelX = 0.0293 mm/pixel
• PixelY = 0.0311 mm/pixel

矫正前后的尺寸对比：

• 矫正前：dx = 51.101mm，dy = 54.700mm
• 矫正后：dx = 49.989mm，dy = 49.971mm

偏差值：

• offsetX = 50 - 49.989 = 0.0104mm
• offsetY = 50 - 49.989 = 0.0281mm

矫正后，误差在1个像素内，说明透视变换的效果良好。