智能车图像处理去畸变教程
逆透视请参考：智能车逆透视教程(含上位机、源码)_Wyean的博客-CSDN博客
去畸变+逆透视请参考：智能车去畸变+逆透视教程_LoseHu的博客-CSDN博客
去畸变：如下
1.简介
对于镜头而言，畸变是一种十分常见的现象，如本是方形的棋盘，边界被扭曲成曲线 。还有同样受到扭曲的赛道。
对于镜头而言，同等条件下一般度数越大，视野越广，所造成的畸变也越严重
优点：
使用指针映射去畸变数组，只需要初始化映射一次，后续不需要时间
通用性强，可移植性高
保证视野不变条件下优化图像质量。
2.去畸变所需工具、环境
请确保过程中所有采集到的图片出自同一相机与镜头，且分辨率全部相同
1.棋盘标定图
（1）放置在同一个文件夹中（数量越多越好1，0张以上，推荐50张左右）
（2）需要将整个棋盘标定图拍摄进去，越清晰越好
2.拍摄的赛道图，用于观察去畸变效果
仅用作观察效果，无特殊要求
3.去畸变上位机
在win7及以下系统无法打开
3.去畸变原理
不同的摄像头搭配不同的镜头，会有不一样的内参，所以，只需要提前测定相机内参即可在后续中方便去畸变。
具体原理请自行搜索图像处理-去畸变。
4.通过上位机求取相机内参
自动全图：如果勾选，去畸变的图会涵盖全图内容；若取消勾选，去畸变后的图会损失部分视野。注意：在桶形畸变下，如果勾选，会导致结果混乱，建议取消勾选。
横向、纵向角落点数：棋盘图中横向、纵向存在的角点数目，如下棋盘标定图中，横向为8，纵向为6,可认为是（方块数-1）.
结果图宽度、高度：去畸变后的图片的宽度和高度，会自动生成，可以自行略微修改。
水平、竖直偏移：将图片在水平、竖直方向平移多少像素点。
去畸变上位机教程
最终内参会复制到您的剪切板中，如：
double cameraMatrix[3][3]={{296.482019,0.000000,152.664982},{0.000000,286.375269,104.540031},{0.000000,0.000000,1.000000}};
double distCoeffs[5]={-0.459946,0.283675,0.002304,0.002566,-0.109265};
int move_xy[2]={55,32};注意事项：
1.请将棋盘标定图放在同一文件夹下，文件夹内最好不要有其他东西。
2.请保证拍摄的棋盘标定图质量，数量推荐在50张左右
5.在智能车上完成去畸变
和逆透视原理相同
求得矩阵后，就可根据矩阵，和结果图的坐标，计算出结果图中的某个点，在原图中的坐标。
但如果每获取到一帧图像，都进行一次映射，非常耗费时间。所以我们使用指针。
在初始化时只需要对指针地址进行一次映射，以后只需要调用指针数组，就可以获取到去畸变后的图。
cameraMatrix[3][3]、distCoeffs[5]、move_xy[2] 是你通过上位机求取的矩阵，在您的剪切板中。
ImageUsed[0][0]代表图像左上角的值
PER_IMG 为用来透视变换的图片，如果使用灰度图，那么ImageUsed就是灰度图的去畸变图，
如果使用二值化图，那么ImageUsed就是二值化的去畸变图
BlackColor的值为没有内容部分的灰度值。
只需要初始化时调用一次ImagePerspective_Init（）函数，只需要初始化时调用一次！！！！一次就行！！！！！！！
代码如下：
//
// Created by RUPC on 2022/10/14.
//
#define RESULT_ROW 100//结果图行列
#define RESULT_COL 114
#define USED_ROW 120 //用于透视图的行列
#define USED_COL 188
#define PER_IMG mt9v03x_image_dvp//mt9v03x_image_dvp:用于透视变换的图像 也可以使用二值化图
#define ImageUsed *PerImg_ip//*PerImg_ip定义使用的图像，ImageUsed为用于巡线和识别的图像
typedef unsigned char uint8_t; // 无符号 8 bits
uint8_t *PerImg_ip[RESULT_ROW][RESULT_COL];
void ImagePerspective_Init(void) {
static uint8_t BlackColor = 0;
double cameraMatrix[3][3]={{296.482019,0.000000,152.664982},{0.000000,286.375269,104.540031},{0.000000,0.000000,1.000000}};
double distCoeffs[5]={-0.459946,0.283675,0.002304,0.002566,-0.109265};
int move_xy[2]={0,0};
/* 0:USED_COL
* 1:USED_ROW
* 2:fx =K.at(0, 0)
* 3:fy = K.at(1, 1)
* 4: ux = K.at(0, 2)
* 5: uy = K.at(1, 2);
* 6: k1 = .at(0, 0),
* 7: k2 = D.at(0, 1),
* 8: k3= D.at(0, 4),
* 9: p1 = D.at(0, 2),
* 10: p2 = D.at(0, 3);
*/
/*********************Mat******************************/
double fx = cameraMatrix[0][0]
, fy = cameraMatrix[1][1]
, ux = cameraMatrix[0][2]
, uy = cameraMatrix[1][2]
, k1 = distCoeffs[0]
, k2 = distCoeffs[1]
, k3 = distCoeffs[4]
, p1 = distCoeffs[2]
, p2 = distCoeffs[3];
int move_x=move_xy[0], move_y=move_xy[1];
for (int i = -move_y; i < RESULT_ROW-move_y; i++) {
for (int j = -move_x; j < RESULT_COL-move_x; j++) {
double xCorrected = (j - ux) / fx;
double yCorrected = (i - uy) / fy;
double xDistortion, yDistortion;
double r2 = xCorrected * xCorrected + yCorrected * yCorrected;
double deltaRa = 1. + k1 * r2 + k2 * r2 * r2 + k3 * r2 * r2 * r2;
double deltaRb = 1 / (1.);
double deltaTx = 2. * p1 * xCorrected * yCorrected + p2 * (r2 + 2. * xCorrected * xCorrected);
double deltaTy = p1 * (r2 + 2. * yCorrected * yCorrected) + 2. * p2 * xCorrected * yCorrected;
xDistortion = xCorrected * deltaRa * deltaRb + deltaTx;
yDistortion = yCorrected * deltaRa * deltaRb + deltaTy;
xDistortion = xDistortion * fx + ux;
yDistortion = yDistortion * fy + uy;
if (i + move_y >= 0 && i + move_y < RESULT_ROW && j + move_x >= 0 && j + move_x < RESULT_COL) {
if (yDistortion >= 0 && yDistortion < USED_ROW && xDistortion >= 0 && xDistortion < USED_COL) {
PerImg_ip[i + move_y][j + move_x] = &mt9v03x_image_dvp[(int) yDistortion][(int) xDistortion];
} else
PerImg_ip[i + move_y][j + move_x] = &BlackColor;
}
}
}
}
/*ImageUsed[0][0]代表图像左上角的值*/
/*完成摄像头初始化后，调用一次ImagePerspective_Init，此后，直接调用ImageUsed 即为去畸变结果*/
屏幕显示去畸变后的灰度图DEMO：
int main(void)
{
All_Init();//屏幕、摄像头、以及其他外设初始化
ImagePerspective_Init();
while(1)
{
if (mt9v03x_finish_flag_dvp == 1) {
uint8_t show[RESULT_ROW][RESULT_COL];
for(int i=0;i6.资源文件
其中包含了测试图包
CSDN:https://download.csdn.net/download/wu58430/86399773
推荐github：https://github.com/wu58430/RUBO-IPM
如果只使用用途，下载github中Release即可。
现在已经完成了逆透视、去畸变、逆透视+去畸变的操作，除非程序有重大bug，后续不会考虑更新。此三种只是图片处理方法，如此软件只适用于简化和降低操作的门槛，以便大家共同进步，图像处理方法无好坏之分，但确实有精妙与粗糙之别。
版权声明：
此软件仅用于竞赛、学习交流，禁止任何商业用途，包括有营利性的、商业的教学指导活动。
7.更新日志
2022.8.23 修复了不同版本windows兼容问题
2022.8.27 修复中文路径、视图大小异常问题，缩小程序体积
2022.9.23 增加了彩色图像显示，输出格式改为数组
2022.10.7 代码迁移至QT6.3.1环境，加入去畸变，加入保存图片功能
2022.10.29 融合两种方法，修复保存图像色彩错误问题