#include <string> #include <iostream> #include <cv.h> #include <highgui.h> using namespace std; int main() { int cube_length=7; CvCapture* capture; capture=cvCreateCameraCapture(0); // opencv调用摄像头的接口，初始化从摄像头中获取视频， if(capture==0){ printf("无法捕获摄像头设备！ "); return 0; }else{ printf("捕获摄像头设备成功！！ "); } cvNamedWindow("摄像机帧截取窗口",1); //cvNamedWindow()函数用于在屏幕上创建一个窗口，将被显示的图像包含于该窗口中。函数的第一个参数指定了该窗口的窗口标题,如果要使用HighGUI库所提供的其他函数与该窗口进行交互时，我们将通过该参数值引用这个窗口。 printf("按“C”键截取当前帧并保存为标定图片... 按“Q”键退出截取帧过程... "); IplImage* frame; int number_image=1; //摄像机拍摄图像张数初始化 char filename[20]=""; while(true) { frame=cvQueryFrame(capture);// 从摄像头或者文件中抓取并返回一帧 if(!frame) break; cvShowImage("摄像机帧截取窗口",frame); //图像显示 if(cvWaitKey(10)=='c') { sprintf (filename,"%d.jpg",number_image); // int sprintf_s( char *buffer, size_t sizeOfBuffer, const char *format [, argument] ... ); //这个函数的主要作用是将若干个argument按照format格式存到buffer中 cvSaveImage(filename,frame); //保存，在工作目录中 cout<<"成功获取当前帧，并以文件名"<<filename<<"保存... "; printf("按“C”键截取当前帧并保存为标定图片... 按“Q”键退出截取帧过程... "); number_image++; } else if(cvWaitKey(10)=='q') { printf("截取图像帧过程完成... "); cout<<"共成功截取"<<--number_image<<"帧图像！！ "; break; } } cvReleaseImage(&frame); //释放图像 cvReleaseCapture(&capture);//若您的是1.0版本，如果报错请修改为cvReleaseCapture(&capture)，或将此句加在cvReleaseImage(&frame)后 cvDestroyWindow("摄像机帧截取窗口"); IplImage * show; //RePlay图像指针 cvNamedWindow("RePlay",1); int a=1; //临时变量，表示在操作第a帧图像 int number_image_copy=number_image; //复制图像帧数 CvSize board_size=cvSize(7,7); // Cvsize:OpenCV的基本数据类型之一,是构造Cvsize类型的函数，width和height,表示矩阵框大小，以像素为精度。与CvPoint结构类似，但数据成员是integer类型的width和height。 int board_width=board_size.width; int board_height=board_size.height; int total_per_image=board_width*board_height; //每张图的角点总数 CvPoint2D32f * image_points_buf = new CvPoint2D32f[total_per_image]; //存储角点坐标的数组 //主要用来转换成矩阵形式CvMat* cvCreateMat( int rows, int cols, int type );rows矩阵行数。cols矩阵列数。type矩阵元素类型，浮点型的单通道图像。 // 这里type可以是任何预定义类型，预定义类型的结构如下：CV_<bit_depth> (S|U|F)C<number_of_channels>。 CvMat * image_points=cvCreateMat(number_image*total_per_image,2,CV_32FC1); //存储角点图像坐标的矩阵 CvMat * object_points=cvCreateMat(number_image*total_per_image,3,CV_32FC1); //存储角点世界坐标的矩阵 CvMat * point_counts=cvCreateMat(number_image,1,CV_32SC1); //存储每帧图像的识别角点数 CvMat * intrinsic_matrix=cvCreateMat(3,3,CV_32FC1); CvMat * distortion_coeffs=cvCreateMat(5,1,CV_32FC1); int count; //存储每帧图像中实际识别的角点数 int found; //识别标定板角点的标志位 ，角点能否被检测到 int step; //存储步长，step=successes*total_per_image; int successes=0; //成功找到标定板上所有角点的图像帧数初始化 while(a<=number_image_copy) { //读取每张图 sprintf (filename,"%d.jpg",a); show=cvLoadImage(filename,-1); //寻找角点 found=cvFindChessboardCorners(show,board_size,image_points_buf,&count, CV_CALIB_CB_ADAPTIVE_THRESH|CV_CALIB_CB_FILTER_QUADS); if(found==0) { cout<<"第"<<a<<"帧图片无法找到棋盘格所有角点! "; cvNamedWindow("RePlay",1); cvShowImage("RePlay",show); cvWaitKey(0); } else{ cout<<"第"<<a<<"帧图像成功获得"<<count<<"个角点... "; cvNamedWindow("RePlay",1); IplImage * gray_image= cvCreateImage(cvGetSize(show),8,1); //创建头并分配数据IplImage* cvCvtColor(show,gray_image,CV_BGR2GRAY); // cvCvtColor(...),是Opencv里的颜色空间转换函数，可以实现rgb颜色向HSV,HSI等颜色空间的转换，也可以转换为灰度图像。 cout<<"获取源图像灰度图过程完成... "; //获取亚像素角点 cvFindCornerSubPix(gray_image,image_points_buf,count,cvSize(11,11),cvSize(-1,-1), cvTermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER,30,0.1)); cout<<"灰度图亚像素化过程完成... "; //绘制角点 cvDrawChessboardCorners(show,board_size,image_points_buf,count,found); cout<<"在源图像上绘制角点过程完成... "; cvShowImage("RePlay",show); cvWaitKey(0); } if(total_per_image==count) { step=successes*total_per_image; for(int i=step,j=0;j<total_per_image;++i,++j) { //total_per_image是一幅图像中的角点总数。 // opencv中用来访问矩阵每个元素的宏，这个宏只对单通道矩阵有效，CV_MAT_ELEM( matrix, elemtype, row, col )参数 matrix：要访问的矩阵 elemtype：矩阵元素的类型 row：所要访问元素的行数 col：所要访问元素的列数 // cvFindCornerSubPix求完每个角点横纵坐标值都存在image_point_buf里，现在将其存在image_points中，每行存一个，商为行x,余为列y //将角点坐标的数组压入矩阵image_points CV_MAT_ELEM(*image_points,float,i,0)=image_points_buf[j].x; CV_MAT_ELEM(*image_points,float,i,1)=image_points_buf[j].y;//找到的点以坐标形式存储 CV_MAT_ELEM(*object_points,float,i,0)=(float)(j/cube_length); CV_MAT_ELEM(*object_points,float,i,1)=(float)(j%cube_length); //找到的点的数目以行列形式存储 CV_MAT_ELEM(*object_points,float,i,2)=0.0f; //0单精度浮点 } CV_MAT_ELEM(*point_counts,int,successes,0)=total_per_image;//访问矩阵角点数 successes++; } a++; } cvReleaseImage(&show); cvDestroyWindow("RePlay"); cout<<"********************************************* "; cout<<number_image<<"帧图片中，标定成功的图片为"<<successes<<"帧... "; cout<<number_image<<"帧图片中，标定失败的图片为"<<number_image-successes<<"帧... "; cout<<"********************************************* "; cout<<"按任意键开始计算摄像机内参数... "; CvCapture* capture1; capture1=cvCreateCameraCapture(0); IplImage * show_colie; show_colie=cvQueryFrame(capture1); //存储标定成功图片的角点的矩阵形式 CvMat * object_points2=cvCreateMat(successes*total_per_image,3,CV_32FC1); CvMat * image_points2=cvCreateMat(successes*total_per_image,2,CV_32FC1); CvMat * point_counts2=cvCreateMat(successes,1,CV_32SC1); //用来存储角点提取成功的图像的角点 for(int i=0;i<successes*total_per_image;++i){ CV_MAT_ELEM(*image_points2,float,i,0)=CV_MAT_ELEM(*image_points,float,i,0); CV_MAT_ELEM(*image_points2,float,i,1)=CV_MAT_ELEM(*image_points,float,i,1); CV_MAT_ELEM(*object_points2,float,i,0)=CV_MAT_ELEM(*object_points,float,i,0); CV_MAT_ELEM(*object_points2,float,i,1)=CV_MAT_ELEM(*object_points,float,i,1); CV_MAT_ELEM(*object_points2,float,i,2)=CV_MAT_ELEM(*object_points,float,i,2); } for(int i=0;i<successes;++i){ CV_MAT_ELEM(*point_counts2,int,i,0)=CV_MAT_ELEM(*point_counts,int,i,0); } cvReleaseMat(&object_points); cvReleaseMat(&image_points); cvReleaseMat(&point_counts); //初始化相机内参矩阵 CV_MAT_ELEM(*intrinsic_matrix,float,0,0)=1.0f;//fx CV_MAT_ELEM(*intrinsic_matrix,float,1,1)=1.0f;//fy //标定相机的内参矩阵和畸变系数向量 cvCalibrateCamera2(object_points2,image_points2,point_counts2,cvGetSize(show_colie), intrinsic_matrix,distortion_coeffs,NULL,NULL,0); cout<<"摄像机内参数矩阵为： "; cout<<CV_MAT_ELEM(*intrinsic_matrix,float,0,0)<<" "<<CV_MAT_ELEM(*intrinsic_matrix,float,0,1) <<" "<<CV_MAT_ELEM(*intrinsic_matrix,float,0,2) <<" "; cout<<CV_MAT_ELEM(*intrinsic_matrix,float,1,0)<<" "<<CV_MAT_ELEM(*intrinsic_matrix,float,1,1) <<" "<<CV_MAT_ELEM(*intrinsic_matrix,float,1,2) <<" "; cout<<CV_MAT_ELEM(*intrinsic_matrix,float,2,0)<<" "<<CV_MAT_ELEM(*intrinsic_matrix,float,2,1) <<" "<<CV_MAT_ELEM(*intrinsic_matrix,float,2,2) <<" "; cout<<"畸变系数矩阵为： "; cout<<CV_MAT_ELEM(*distortion_coeffs,float,0,0)<<" "<<CV_MAT_ELEM(*distortion_coeffs,float,1,0) <<" "<<CV_MAT_ELEM(*distortion_coeffs,float,2,0) <<" "<<CV_MAT_ELEM(*distortion_coeffs,float,3,0) <<" "<<CV_MAT_ELEM(*distortion_coeffs,float,4,0) <<" "; cvSave("Intrinsics.xml",intrinsic_matrix);//保存在工作目录下 cvSave("Distortion.xml",distortion_coeffs); cout<<"摄像机矩阵、畸变系数向量已经分别存储在名为Intrinsics.xml、Distortion.xml文档中 "; CvMat * intrinsic=(CvMat *)cvLoad("Intrinsics.xml"); //加载参数方法 CvMat * distortion=(CvMat *)cvLoad("Distortion.xml"); IplImage * mapx=cvCreateImage(cvGetSize(show_colie),IPL_DEPTH_32F,1); IplImage * mapy=cvCreateImage(cvGetSize(show_colie),IPL_DEPTH_32F,1); cvInitUndistortMap(intrinsic,distortion,mapx,mapy);//函数cvInitUndistortMap预先计算非形变对应－正确图像的每个像素在形变图像里的坐标。这个对应可以传递给cvRemap函数（跟输入和输出图像一起）。 cvNamedWindow("原始图像",1); cvNamedWindow("非畸变图像",1); cout<<"按‘E’键退出显示... "; while(show_colie){ IplImage * clone=cvCloneImage(show_colie); cvShowImage("原始图像",show_colie); cvRemap(clone,show_colie,mapx,mapy);//校正图像，输入为clone，结果为show_colie cvReleaseImage(&clone); cvShowImage("非畸变图像",show_colie); if(cvWaitKey(10)=='e'){ break; } show_colie=cvQueryFrame(capture1); } return 0; }
