建个什么网站赚钱,网站费用构成,珠海公司注册,坚决贯彻落实二十条优化措施目标
学习了解calib3D 模块学习在图像中创建3D效果
calib3D模块 OpenCV-Python的calib3D模块是OpenCV库中的一个重要模块#xff0c;用于摄像头标定和三维重建等计算机视觉任务。该模块提供了一些函数和类#xff0c;用于摄像头标定、立体视觉和三维重建等方面的操作。
下…目标
学习了解calib3D 模块学习在图像中创建3D效果
calib3D模块 OpenCV-Python的calib3D模块是OpenCV库中的一个重要模块用于摄像头标定和三维重建等计算机视觉任务。该模块提供了一些函数和类用于摄像头标定、立体视觉和三维重建等方面的操作。
下面是一些calib3D模块常用的函数和类的介绍
1.findChessboardCorners()用于在一张图片中查找棋盘格角点的函数。可以用于摄像头标定。
2.calibrateCamera()用于摄像头标定的函数。根据一系列已知世界坐标和对应的图像坐标计算出相机内参数和畸变系数。
3.undistort()用于去除图像畸变的函数。根据相机内参数和畸变系数对图像进行去畸变处理。
4.stereoCalibrate()用于立体标定的函数。根据一系列已知的立体对应点对计算出两个相机的内参数、外参数和立体校正参数。
5.stereoRectify()用于立体校正的函数。根据相机的内参数、外参数和立体校正参数对两个输入图像进行立体校正以便进行立体匹配。
6.stereoSGBM()用于立体匹配的函数。根据两个校正后的图像进行视差计算并生成视差图。 摄像头标定步骤 使用calib3D模块进行摄像头标定的基本步骤如下
准备一系列棋盘格图像保证棋盘格在各个位置、角度和距离上都有充分的变化。对每张图像使用findChessboardCorners()函数查找棋盘格角点并将角点的图像坐标和对应的世界坐标存储起来。使用calibrateCamera()函数对所有的角点进行摄像头标定得到相机的内参数和畸变系数。使用undistort()函数对图像进行去畸变处理得到校正后的图像。
立体视觉步骤
使用calib3D模块进行立体视觉的基本步骤如下
准备一系列立体对应点对包括左右图像的图像坐标和世界坐标。使用stereoCalibrate()函数对立体对应点对进行立体标定得到两个相机的内参数、外参数和立体校正参数。使用stereoRectify()函数对输入图像进行立体校正得到校正后的图像。使用stereoSGBM()函数对校正后的图像进行立体匹配得到视差图。
姿势估计基础 在上一节的摄像机标定中我们已经得到了摄像机矩阵畸变系数等。有了这些信息我们就可以估计图像中图案的姿势比如目标对象是如何摆放如何旋转等。对一个平面来说我们可以假 Z0这样问题就转化成摄像机在空间中是如何摆放(然后拍摄)的。所以如果我们知道对象在空间中的姿势我们就可以在图像中绘制一些2D 的线条来产生3D 的效果。我们来看一下怎么做吧。 我们的问题是在棋盘的第一个角点绘制3D 坐标(X,Y,Z轴)。X轴为蓝色Y 轴为绿色Z 轴为红色。在视觉效果上来看Z 轴应该是垂直与棋盘平面的。 首先我们要加载前面结果中摄像机矩阵和畸变系数。
import cv2
import numpy as np
import glob# Load previously saved data
with np.load(B.npz) as X:mtx, dist, _, _ [X[i] for i in (mtx,dist,rvecs,tvecs)] 现在创建一个函数:draw,它的参数有棋盘上的角点(使用cv2.findChessboardCorners() 得到)和要绘制的3D 坐标轴上的点。
def draw(img, corners, imgpts):corner tuple(corners[0].ravel())img cv2.line(img, corner, tuple(imgpts[0].ravel()), (255,0,0), 5)img cv2.line(img, corner, tuple(imgpts[1].ravel()), (0,255,0), 5)img cv2.line(img, corner, tuple(imgpts[2].ravel()), (0,0,255), 5)return img 和前面一样我们要设置终止条件对象点(棋盘上的3D角点和坐标轴点。3D 空间中的坐标轴点是为了绘制坐标轴。我们绘制的坐标轴的长度为3。所以X 轴从0,0,0绘绘制到(3,0,0),Y 轴也是。Z 轴从0,0,0绘制到0,0,-3。负值表示它是朝着垂直于摄像机方向。
criteria (cv2.TERM_CRITERIA_EPS cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
objp np.zeros((6*7,3), np.float32)
objp[:,:2] np.mgrid[0:7,0:6].T.reshape(-1,2)
axis np.float32([[3,0,0], [0,3,0], [0,0,-3]]).reshape(-1,3) 很通常一样我们需要加载图像。搜寻7x6 的格子如果发现我们就把它优化到亚像素级。然后使用函数:cv2.solvePnPRansac() 来计算旋转和变换。当我们有了变换矩阵之后我们就可以利用它们将这些坐标轴点映射到图像平面中去。简单来说我们在图像平面上找到了与3D 空间中的点3,0,0,(0,3,0),(0,0,3) 相对应的点。然后我们就可以使用我们的函数draw() 从图像上的第一个角点开始绘制连接这些点的直线了。搞定
for fname in glob.glob(left*.jpg):img cv2.imread(fname)gray cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)ret, corners cv2.findChessboardCorners(gray, (7,6),None)if ret True:corners2 cv2.cornerSubPix(gray,corners,(11,11),(-1,-1),criteria)# Find the rotation and translation vectors.rvecs, tvecs, inliers cv2.solvePnPRansac(objp, corners2, mtx, dist)# project 3D points to image planeimgpts, jac cv2.projectPoints(axis, rvecs, tvecs, mtx, dist)img draw(img,corners2,imgpts)cv2.imshow(img,img)k cv2.waitKey(0) 0xffif k s:cv2.imwrite(fname[:6].png, img)
cv2.destroyAllWindows() 结果如下看到了没每条坐标轴的长度都是3 个格子的长度。 渲染一个立方体 如果你想绘制一个立方体的话要对draw() 函数进行如下修改修改后的draw() 函数
def draw(img, corners, imgpts):imgpts np.int32(imgpts).reshape(-1,2)# draw ground floor in greenimg cv2.drawContours(img, [imgpts[:4]],-1,(0,255,0),-3)# draw pillars in blue colorfor i,j in zip(range(4),range(4,8)):img cv2.line(img, tuple(imgpts[i]), tuple(imgpts[j]),(255),3)# draw top layer in red colorimg cv2.drawContours(img, [imgpts[4:]],-1,(0,0,255),3)
return img 修改后的坐标轴点。它们是3D 空间中的一个立方体的8 个角点
axis np.float32([[0,0,0], [0,3,0], [3,3,0], [3,0,0],
[0,0,-3],[0,3,-3],[3,3,-3],[3,0,-3] ])
结果如下: 如果你对计算机图形学感兴趣的话为了增加图像的真实性你可以使用OpenGL 来渲染更复杂的图形 。
