快捷導(dǎo)航

android廣角相機(jī)畸變校正算法和實(shí)現(xiàn)示例

更新時(shí)間：2018年08月04日 14:47:59 作者：殘?jiān)?

今天小編就為大家分享一篇android廣角相機(jī)畸變校正算法和實(shí)現(xiàn)示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

1.光學(xué)相機(jī)鏡頭一般都存在畸變的問題,畸變屬于成像的幾何失真,它是由于焦平面上不同區(qū)域?qū)τ跋竦姆糯舐什煌纬傻漠嬅媾で冃维F(xiàn)象。除了一些特定的場合，大部分情況下，這些失真都是需要校正到正常人眼不產(chǎn)生扭曲的程度。

2常見的畸變是枕形畸變，桶形畸變和線性畸變。廣角鏡頭的攝像設(shè)備拍攝出來的圖像經(jīng)常會(huì)有桶形畸變的問題。原因在于廣角鏡頭使用的是凸透鏡，初中物理知識(shí)告訴我們凸透鏡會(huì)對(duì)光線起匯聚作用，這是光的折射造成的。而離鏡頭中心越遠(yuǎn)，折射效果越強(qiáng)，因而其拍出來的照片會(huì)以鏡頭中心為圓心，呈圓形向外擴(kuò)展失真。

3.攝像頭精確校正需要先獲取標(biāo)定數(shù)據(jù)，可以利用張正友的張氏標(biāo)定法，或者使用MATLAB標(biāo)定。

4.一般攝像頭畸變校正可以使用OPENCV，OpenCV的畸變參數(shù)總共有五個(gè)，徑向畸變3個(gè)（k1,k2,k3）和切向畸變2個(gè)(p1,p2)。

徑向畸變：

切向畸變：

以及在OpenCV中的畸變系數(shù)的排列（這點(diǎn)一定要注意k1，k2，p1，p2，k3），千萬不要以為k是連著的。

其公式由好像是泰勒公式，K和P應(yīng)該可以無限精確，也可以橫豎使用不同參數(shù)，r=x*X+y*y;

5.這里不對(duì)標(biāo)定過程和opencv校正過程詳細(xì)推理。這里使用代碼實(shí)現(xiàn)簡單的畸變算法，考慮到效率和實(shí)時(shí)性，略去切向畸變，徑向畸變假設(shè)x,y相等且只取一階K值，其實(shí)一階K值大約已經(jīng)可以把畸變控制人眼接受的范圍內(nèi)了。

6.代碼

public class LensCorrect2 {
	// 鏡頭校正查找表
	private Point[][] CorrInd = null;// new Point[480][640];
	private double k1 = 0f;
	private double k2 = 0f;
	private Bitmap mBm = null;
	private int mW = 0;
	private int mH = 0;
 
	private int max_x = 0, max_y = 0;
	private int min_x = 0, min_y = 0;
 
	// 鏡頭徑向畸變校正初始化
	public LensCorrect2(double k1, double k2, Bitmap mBm) {
		super();
		this.k1 = k1;
		this.k2 = k2;
		this.mBm = mBm;
 
		this.mW = mBm.getWidth();
		this.mH = mBm.getHeight();
 
		int cw = mW >> 1;
		int ch = mH >> 1;
		CorrInd = new Point[mH][mW];
		Log.i("XXXXX", "imgHeight=" + mH);
		Log.i("XXXXX", "imgWidth=" + mW);
 
		int it;
		int jt;
		int it2;
		int jt2;
 
		for (int i = 0; i < mH; i++) {
			it = (i + 1) - ch; // (i+1) 是其真正的圖像坐標(biāo)
			for (int j = 0; j < mW; j++) {
				double temp;
 
				jt = (j + 1) - cw; // (j+1) 是其真正的圖像坐標(biāo)
				temp = 1 + k1 * it * it + k2 * jt * jt;
				it2 = (int) (temp * it);
				jt2 = (int) (temp * jt);
 
				it2 = it2 + ch + 1;
				jt2 = jt2 + cw + 1;
 
				// Log.i("AAAAA", "imgHeight="+imgHeight);
				// Log.i("AAAAA", "imgWidth="+imgWidth);
				// Log.i("AAAAA", "i="+i);
				// Log.i("AAAAA", "j="+j);
 
				// Log.i("XXXXX", "jt2="+jt2);
				// Log.i("XXXXX", "it2="+it2);
				if (max_x < jt2) {
					max_x = jt2;
				}
				if (min_x > jt2) {
					min_x = jt2;
				}
				if (max_y < it2) {
					max_y = it2;
				}
				if (min_y > it2) {
					min_y = it2;
				}
 
				Point p = new Point(jt2, it2);
				CorrInd[i][j] = p;
 
			}
		}
		Log.i("XXXXX", "max_x=" + max_x);
		Log.i("XXXXX", "min_x=" + min_x);
		Log.i("XXXXX", "max_y=" + max_y);
		Log.i("XXXXX", "min_y=" + min_y);
	}
 
	public Bitmap getLensCorrect() {
		Bitmap bm = Bitmap.createBitmap((max_x - min_x) + 1,
				(max_y - min_y) + 1, Bitmap.Config.ARGB_8888);
 
		int it2;
		int jt2;
 
		for (int i = 0; i < mH; i++) {
			for (int j = 0; j < mW; j++) {
				it2 = CorrInd[i][j].y;
				jt2 = CorrInd[i][j].x;
 
				bm.setPixel(jt2 - min_x, it2 - min_y, mBm.getPixel(j, i));
 
			}
		}
		return bm;
	}
 
	public Bitmap getLensCorrect0() {
		Bitmap bm = Bitmap.createBitmap(mW, mH, Bitmap.Config.ARGB_8888);
 
		int it2;
		int jt2;
 
		for (int i = 0; i < mH; i++) {
			for (int j = 0; j < mW; j++) {
				it2 = CorrInd[i][j].y;
				jt2 = CorrInd[i][j].x;
 
				if ((it2 >= 0) && (jt2 >= 0) && (it2 < mH) && (jt2 < mW)) {
					// bm.setPixel(j, i, mBm.getPixel(jt2, it2));
					bm.setPixel(jt2, it2, mBm.getPixel(j, i));
				}
			}
		}
		return bm;
	}
 
}

7.下圖對(duì)圖像進(jìn)行反畸變，由于用于測試的廣角相機(jī)手機(jī)找不到了，沒有找到合適的圖片，使用一下沒有變形的圖片，對(duì)其做反桶形畸變，反畸變后，損失的像素需要插值補(bǔ)充完整