matlab图像畸变校正

你自己看这一段

for i=1:h %从理想图像矩阵出发处理

for j=1:w

x=[1,j-og(1),i-og(2),(j-og(1))^2,(i-og(2))*(j-og(1)),(i-og(2))^2]

u=x*a0+og(2) % 逆向映射（j，i）到畸变图像矩阵（v，u）

v=x*b0+og(1)

if (u>1)&&(u<w)&&(v>1)&&(v<h) %处理在图像大小范围内的像素点

uu=floor(u) %对u取整

vv=floor(v) %对v取整

arf=u-uu%计算上面提到的

bta=v-vv%计算上面提到的

for k=1:3 %进行灰度双线性插值

ft1=(1-bta)*b(vv,uu,k)+bta*b(vv+1,uu,k)

ft2=(1-bta)*b(vv,uu+1,k)+bta*b(vv+1,uu+1,k)

sp(i,j,k)=(1-arf)*ft1+arf*ft2

end

end

imshow(uint8(sp)) %显示校正图像

3个for加一个if，可只有2个end，程序都没写完当然出错。

——————————————————————————————————

然后还有这一段

for k=1:n%转换到以对称点为原点的空间关系并构造矩阵A

A(k)=[1,gm(k,1)-og(1),gm(k,2)-og(2),(gm(k,1)-og(1)^2), (gm(k,1)-og(1))*(gm(k,2)-og(2)),(gm(k,2)-og(2) ^2)]

end

A(k)是一个元素，可你却把它定义为一个数组，肯定也要出错。

————————————————————————————————

你要我改，我只能保证程序能运行，但对不对我无法保证。

function gmodify(pic,uv,gm,og) %pic表示要处理的图像的路径文件名

%uv是一个二维矩阵,uv(:,1)代表上面提到的,uv(:,2)表示

%gm是一个二维矩阵,gm(j,:)代表在校正图空间上与uv(j,:)一一应的点

%og 代表对称中心，它是一个二维向量

a=imread(pic)

b=double(a)

n=size(gm(:,1))

for k=1:n%转换到以对称点为原点的空间关系并构造矩阵A

A(k,:)=[1,gm(k,1)-og(1),gm(k,2)-og(2),(gm(k,1)-og(1)^2), (gm(k,1)-og(1))*(gm(k,2)-og(2)),(gm(k,2)-og(2) ^2)]

end

[h,w]=size(b(:,:,1))

sp=zeros(h,w,3)+255

a0=pinv(A)* uv(:,2) %计算上面提到的地址映射的系数估计a

b0=pinv(A)* uv(:,1) %计算上面中提到的地址映射的系数估计b

for i=1:h %从理想图像矩阵出发处理

for j=1:w

x=[1,j-og(1),i-og(2),(j-og(1))^2,(i-og(2))*(j-og(1)),(i-og(2))^2]

u=x*a0+og(2) % 逆向映射（j，i）到畸变图像矩阵（v，u）

v=x*b0+og(1)

if (u>1)&&(u<w)&&(v>1)&&(v<h) %处理在图像大小范围内的像素点

uu=floor(u) %对u取整

vv=floor(v) %对v取整

arf=u-uu%计算上面提到的

bta=v-vv%计算上面提到的

for k=1:3 %进行灰度双线性插值

ft1=(1-bta)*b(vv,uu,k)+bta*b(vv+1,uu,k)

ft2=(1-bta)*b(vv,uu+1,k)+bta*b(vv+1,uu+1,k)

sp(i,j,k)=(1-arf)*ft1+arf*ft2

end

end

end

end

imshow(uint8(sp)) %显示校正图像

0.   A4纸打印出来（或直接在手机上）并用尺子测量一个格的边长。

1.用想要标定的相机拍摄各种角度的照片。（我用的是电脑相机拍摄手机上的图片，手机上全屏的图片用尺子测量的是小格子的边长为7mm）,15到20张即可。

2.打开matlab命令行输入cameraCalibrator回车。点Add images，导入所拍的照片，改为7mm，确定。

3.点击Options,勾选如图所示。点击Calibrate。

4,最后点击。Export Camera Parameters导出参数。

5，回到matlab工作区。

IntrinsicMatrix对应内参，注意这个和程序中是转置的关系，注意不要搞错。

RadiaDistortion即为相机的畸变矩阵对应k1，k2，k3。

TangentialDistortion对应p1，p2。

畸变参数，总共有五个，径向畸变3个（k1,k2,k3）和切向畸变2个(p1,p2)。

RotationMatrices为16张图片的外参矩阵translationVectors 为16张图片的转移矩阵。因为每张图片对应一个世界坐标系（旋转矩阵和平移矩阵是世界坐标系相对于摄像机坐标系的，而算法中规定世界坐标系是标定板为z=0的平面，对于不同位置的标定板，其世界坐标系的定义是不同的，这也就不难解释为什么有多个旋转矩阵和平移矩阵了），所以实际情况时，内参矩阵，畸变矩阵确定后，选一个合适的世界坐标系，将其对应的外参矩阵和平移矩阵带入即可用于相机的坐标系转换。

至此，相机标定结束。

---