# OpenCVFisheyeAndDistortionTable **Repository Path**: bigpretender/OpenCVFisheyeAndDistortionTable ## Basic Information - **Project Name**: OpenCVFisheyeAndDistortionTable - **Description**: 开源OpenCVFisheyeAndDistortionTable - **Primary Language**: Unknown - **License**: BSD-3-Clause - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-01-17 - **Last Updated**: 2025-02-06 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 深入洞察OpenCV鱼眼模型之成像投影和畸变表估计系数相互转化 [![View Use OpenCV FishEye And DistortionTable In Matlab on File Exchange](https://www.mathworks.com/matlabcentral/images/matlab-file-exchange.svg)](https://ww2.mathworks.cn/matlabcentral/fileexchange/118170-use-opencv-fisheye-and-distortiontable-in-matlab) [![Open in MATLAB Online](https://www.mathworks.com/images/responsive/global/open-in-matlab-online.svg)](https://matlab.mathworks.com/open/github/v1?repo=cuixing158/OpenCVFisheyeAndDistortionTable&file=main.mlx) >本Repo实现了从原理公式上直接使用来自OpenCV鱼眼畸变模型的4个系数 $k_1 ,k_2 ,k_3 ,k_4$ 和内参 $K$ 对图像进行去畸变以及来自厂商提供的镜头畸变表与OpenCV鱼眼模型参数的估计互相转换。另外对OpenCV鱼眼模型的成像原理过程(透视投影像高vs畸变像高)进行了绘图分析，便于从视觉上直观感受，从而加深对OpenCV鱼眼镜头模型投影成像的理解。关于pin-hole透视镜头成像标定过程可以参阅我之前的[Repo](https://github.com/cuixing158/singleImageCalibration)，C++代码请参阅我这个[Repo](https://github.com/cuixing158/FishEyeImage_Undistortion)。 ## Table of contents - [Overview of Distortion Table](#overview-of-distortion-table) - [Overview of OpenCV fisheye Camera Model](#overview-of-opencv-fisheye-camera-model) - [注意误点](#注意误点) - [总结几点](#总结几点) - [直接根据畸变表对图像去畸变](#直接根据畸变表对图像去畸变) - [畸变表拟合系数对图像去畸变](#畸变表拟合系数对图像去畸变) - [畸变系数推算畸变表](#畸变系数推算畸变表) - [References](#references) ## Overview of Distortion Table 来自鱼眼镜头厂商的畸变表一般为下述形式表格，其描述了光线通过透镜在相机传感器平面成像的高度信息，一般至少含有3列数据，比如下面表格有“Angle”(degrees),"Real Height"(mm),"Ref Height"(mm)等。其分别表示光线入射角(光线与摄像机光轴的夹角)，实际成像高度，参考成像高度(透视投影)，这些信息**足以表征此镜头的畸变扭曲程度**。另外还会提供一些常量,如每个像素长度为0.003mm，图像尺寸1920×1080，畸变中心位于图像中心，进一步地，结合畸变表，可以推算相机内参矩阵 $K$ 。 ![image_0.png](images/distionTable.png) 上述表格中第1列和第3列通常满足 $\textrm{RefH}=f*\tan \left(\theta \right)$ , $\theta$ 对应第一列，一般从0°到90°之间，$`\textrm{RefH}`$ 为第三列，从此式可以推算出焦距 $f$ 。 本Repo中所使用的畸变表格数据和此镜头录制的图像畸变数据在当前“data”文件夹下的“distortionTableFromFactory.xlsx”，“distortionImageN.png”。 ## Overview of OpenCV fisheye Camera Model 关于Fish-Eye其实有多种投影模型，具体参考[文献6](https://wiki.panotools.org/Fisheye_Projection)，典型有equidistance，equisolid angle，orthogonal projection等，根据OpenCV实现，其依据的论文是一种通用模型，不依赖某个具体的类型，取9阶系数就足以满足绝大多数镜头畸变模型。在此，也不再叙述过程，本文重点在下述原理理解和代码实践上！ 根据此处OpenCV官方文档此处[链接](https://docs.opencv.org/4.x/db/d58/group__calib3d__fisheye.html)，导航到“Detailed Description”部分，要完全弄清楚其原理，其描述过程仍然令人有些费解，没有像MATLAB官方文档描述的清楚，一目了然。即使结合第三方大量博客(CSDN,知乎等，见文后References)，也未必能阐述清楚。故结合OpenCV源码和论文“a generic camera model and calibration method for conventional-wide-angle and fisheye lenses”，再经过本Repo实践，我画出下面的**成像原理图，符号和公式严格表达准确，代码运行可靠!** ![image_1.png](images/cuixingxingPlot.PNG) 简单阐述下上述我绘制的图中的主要符号，坐标系 $X_c O_1 Y_c$ 为相机物理坐标系，蓝色平面 $\pi_1$ 为归一化成像平面(离光心 $O_1$ 的距离为1)，橙色平面 $\pi_2$ 为实际成像平面(离光心 $O_1$ 的距离为焦距 $f$ )，点 $P$ 为坐标系 $X_c O_1 Y_c$ 下的一外点，光线通过红色虚线射入，从绿色虚线“折射”到成像平面“引起畸变”；点 $p^{\prime }$ , $N$ 分别为平面 $`\pi_2`$ ，$`\pi_1`$ 理想透视投影点，点 $p$ , $M$ 分别为平面 $\pi_2$ ， $\pi_1$ 实际投影畸变点。另外位于平面 $\pi_1$ 的 $\left\|O_2 M\right\|=r_d$ ， $\left\|O_2 N\right\|=r$ ，而不是平面 $\pi_2$ 中的 $`\left\|O_3 p\right\|\not= r_d$ ，$\left\|O_3 p^{\prime } \right\|\not= r`$ ,这在OpenCV文档中并没有解释清楚。 点 $P\left(x_c ,y_c ,z_c \right)$ 透视投影经归一化为平面 $\pi_1$ 中的点 $N\left(x_n ,y_n \right)$ , $$ x_n =\frac{x_c }{z_c },y_n =\frac{y_c }{z_c } $$ $$ r^2 =x_n^2 +y_n^2 $$ $$ \theta =\textrm{atan}\left(r\right) $$ 畸变像高： $$ r_d =\theta \left(1+{k_1 \theta }^2 +k_2 \theta^4 +k_3 \theta^6 +{k_4 \theta }^8 \right) $$ 同时， $\bigtriangleup O_1 O_2 M$ 为直角三角形，满足， $$ r_d =1*\tan \left(\theta_d \right) $$ 注意上述式子中的 $r_d$ 并非OpenCV文档中写的 $\theta_d$ ，然后计算比例因子scale, $$ \textrm{scale}=\frac{r_d }{r} $$ 又因 $\bigtriangleup O_1 O_2 N\sim \bigtriangleup O_1 O_3 p^{\prime }$ , $\bigtriangleup O_1 O_2 M\sim \bigtriangleup O_1 O_3 p$ , 则 $$\textrm{scale}=\frac{r_d }{r}=\frac{\left\|O_3 p\right\|}{\left\|O_3 p^{\prime } \right\|}$$ 为了得到点 $p$ 的畸变坐标 $\left(x_d ,y_d \right)$ ,有， $$ x_d =\textrm{scale}*a $$ $$ y_d =\textrm{scale}*b $$ 设点 $O_3$ 在像素平面 $\textrm{uv}$ 下的坐标为 $\left(U_0 ,V_0 \right)$ ,在 $x$ 轴， $y$ 轴单位长度上的像素数为 $f_x ,f_y$ ,则像素坐标为， $$ u=f_x *x_d +U_0 $$ $$ v=f_y *y_d +V_0 $$ 如果考虑错切因子 $\alpha$ ,则上式 $\left.u=f_x *{\left(x\right.}_d +{\alpha y}_d \right)+U_0$ ，此时内参矩阵 $K$ 即为， $$ K=\left\lbrack \begin{array}{ccc} f_x & \alpha & U_0 \\ 0 & f_y & V_0 \\ 0 & 0 & 1 \end{array}\right\rbrack $$ 注意上述步骤其实是**图像去畸变的工作过程，先一一找到无畸变点对应的畸变点坐标映射，合适时候再通过插值找到对应的像素点。** 如果是**某个点的去畸变，则需要逆向求解上述过程**，其中有已知 $\theta_d$ ，求 $\theta$ ，这就很多方法了，不在此描述。 ### 注意误点 - $r_d$ ， $r$ 的计算分析均指在归一化平面 $\pi_1$ 上进行的，而不是实际成像平面 $\pi_2$ 。[OpenCV文档](https://docs.opencv.org/4.x/db/d58/group__calib3d__fisheye.html)中写的是 $\theta_d =\theta \left(1+{k_1 \theta }^2 +k_2 \theta^4 +k_3 \theta^6 +{k_4 \theta }^8 \right)$ 不准确的，并非上述公式中的 $\theta_d$ ，这是因为OpenCV源码变量中把 $r_d$ 中间临时变量写成了 $\theta_d$ ，而文档是根据代码自动生成的，这就导致了描述不够准确，但内部计算逻辑是正确的， $\theta$ 和 $\theta_d$ 单位为弧度，非度数。 - 参考[文献4](https://blog.csdn.net/qq_16137569/article/details/112398976)描述“畸变与焦距无关”是不完全正确的，这在归一化成像平面 $\pi_1$ 上成立，因为有 $r_d =1*\tan \left(\theta_d \right)$ ，但在实际成像平面上 $\pi_2$ 上不成立，因为 $\left\|O_3 p\right\|=f*\tan \left(\theta_d \right)$ , $\theta_d$ 一定的情况下，与焦距 $f$ 成正比的。 - 参考[文献4](https://blog.csdn.net/qq_16137569/article/details/112398976)把平面 $\pi_1$ 和平面 $\pi_2$ 混为一团，后果是牵强认为 $r_d =1*\tan \left(\theta_d \right)=\theta_d$ ，为了说服其成立，认为“ $\theta_d$ 趋于0， $r_d$ 就等于 $\theta_d$ ，但这里根本就没有趋向于0的说法。 ### 总结几点 - 归一化平面 $\pi_1$ 存在的目的是为了求取尺度scale，然后根据三角形相似原理转嫁到实际成像平面 $\pi_2$ 做去畸变计算。 - 焦距不会影响畸变形状（或外观），影响的是尺度变化，但尺度变化百分比保持不变。 - 4个畸变系数 $k_1 ,k_2 ,k_3 ,k_4$ 影响畸变形状（或外观），也会影响尺度大小。 - 内参矩阵 $K$ 是相机物理坐标与像平面像素坐标互相转换的“过渡矩阵”，决定着畸变中心位置坐标和坐标系转换的功能。 为了利用畸变表提供的数据对畸变图像进行去畸变，通常有下面2种方式： ```mermaid --- title: 利用畸变表对图像去畸变流程 --- flowchart LR A[畸变表]-- 直接利用像高比例 ----->C[去畸变图] A-- "OpenCV鱼眼模型"-->D["拟合畸变系数(k1~k4)"]--->C ``` 下面对上述2种方式分别进行实现。 ## 直接根据畸变表对图像去畸变 主要利用畸变表中像高比例进行查表(一维插值)进行畸变量计算，算法步骤为： 1. 根据畸变表估算内参矩阵 $K$ 和人为指定无畸变图大小； 1. 利用内参矩阵 $K$ 对某个无畸变图像素坐标 $\left(u,v\right)$ 转为像平面 $\pi_2$ 的物理坐标 $\left(x,y\right)$ ； 1. 计算物理坐标 $\left(x,y\right)$ 离原点的距离为RefH； 1. 计算入射角 $\theta$ ，然后查表得到畸变像高距离 $r_d$ ,直接根据比例计算物理畸变点坐标 $\left(x_d ,y_d \right)$ ； 1. 再次利用内参矩阵 $K$ 将物理畸变点坐标 $\left(x_d ,y_d \right)$ 转为像素坐标 $\left(u_d ,v_d \right)$ ； 1. 对所有无畸变图上的点重复step2-5找到像素坐标映射关系 $\left(u,v\right)\to \left(u_d ,v_d \right)$ ,最后图像插值即可完成去畸变。 读取畸变视频/图像源 ```matlab distortFrame = imread("data/distortionImage1.png"); figure;imshow(distortFrame); title("distortion image") ``` ![figure_0.eps](images/image0.png) ```matlab distortionTablePath = "./data/distortionTable.xlsx"; sensorRatio = 0.003;% 由厂家提供，单位 mm/pixel cameraData = readtable(distortionTablePath,Range="A4:D804",VariableNamingRule="preserve"); head(cameraData)% 预览前面若干行数据 ``` ```text Y Angle (deg) Real Height Ref. Height Distortion(f-tanθ) _____________ ___________ ___________ ___________________ 0.1 0.0050939 0.005103 -0.00011259 0.2 0.010188 0.010207 -0.00048478 0.3 0.015282 0.01531 -0.0011181 0.4 0.020376 0.020414 -0.0020122 0.5 0.025469 0.025518 -0.0031675 0.6 0.030563 0.030622 -0.0045836 0.7 0.035657 0.035726 -0.0062606 0.8 0.040751 0.04083 -0.0081985 ``` 第一列为入射角，第二列为实际畸变量长度,单位：mm，第三列为理想参考投影长度，单位：mm. ```matlab angleIn = cameraData{:,1};% 入射角 focal = mean(cameraData{:,3}./tand(angleIn));% 焦距，单位:mm angleOut = atan2d(cameraData{:,2},focal);% 出射角 cameraDataIn = table(angleIn,angleOut,VariableNames = ["angle","angle_d"]); [h,w,~] = size(distortFrame); K = [focal/sensorRatio,0,w/2; 0,focal/sensorRatio,h/2; 0,0,1]; undistortImg = undistortFisheyeImgFromTable(distortFrame,K,cameraDataIn,OutputView="same"); figure; imshow(undistortImg); title("undistortion image from distortion table directly") ``` ![figure_1.eps](images/image1.png) ## 畸变表拟合系数对图像去畸变 先对畸变表中的像高按照归一化平面 $\pi_1$ 进行像高的转换，然后根据畸变公式进行系数拟合，最后根据比例进行查表(一维插值)进行畸变量计算，算法步骤为： 1. 根据畸变表数据(实际焦距 $f$ 下的像高)换算为归一化平面 $\pi_1$ 的像高； 1. 按照畸变公式进行系数拟合得到 $k_1 ~k_4$ ,同时估算内参矩阵 $K$ 和人为指定无畸变图大小; 1. 利用内参矩阵 $K$ 对某个无畸变图像素坐标 $\left(u,v\right)$ 转为像平面 $\pi_1$ 的物理坐标 $\left(x,y\right)$ ； 1. 计算物理坐标 $\left(x,y\right)$ 离原点的距离为RefH； 1. 计算入射角 $\theta$ ，然后根据畸变公式得到畸变像高距离 $r_d$ ,随后根据比例计算物理畸变点坐标 $\left(x_d ,y_d \right)$ ； 1. 再次利用内参矩阵 $K$ 将物理畸变点坐标 $\left(x_d ,y_d \right)$ 转为像素坐标 $\left(u_d ,v_d \right)$ ； 1. 对所有无畸变图上的点重复step2-5找到像素坐标映射关系 $\left(u,v\right)\to \left(u_d ,v_d \right)$ ,最后图像插值即可完成去畸变。 ```matlab r_d = 1./focal*cameraData{:,2};% 求归一化平面上的r_d thetaRadian = deg2rad(angleIn);% 度数转为弧度 ``` 由前面分析的畸变像高公式，对归一化平面 $\pi_1$ 上每一个入射角 $\theta \left(\theta_1 ,\theta_2 ,\cdots ,\theta_n \right)$ ，有下述等式成立， $$ \left\lbrace \begin{array}{l} \theta_1 +k_1 \theta_1^3 +k_2 \theta_1^5 +k_3 \theta_1^7 +k_4 \theta_1^9 =r_{\textrm{d1}} \\ \theta_2 +k_1 \theta_2^3 +k_2 \theta_2^5 +k_3 \theta_2^7 +k_4 \theta_2^9 =r_{\textrm{d2}} \\ \vdots \\ \theta_n +k_1 \theta_n^3 +k_2 \theta_n^5 +k_3 \theta_n^7 +k_4 \theta_n^9 =r_{\textrm{dn}} \end{array}\right. $$ 写为矩阵形式，为， $$ \left\lbrack \begin{array}{cccc} \theta_1^3 & \theta_1^5 & \theta_1^7 & \theta_1^9 \\ \theta_2^3 & \theta_2^5 & \theta_2^7 & \theta_2^9 \\ \vdots & \vdots & \vdots & \vdots \\ \theta_n^3 & \theta_n^5 & \theta_n^7 & \theta_n^9 \end{array}\right\rbrack *\left\lbrack \begin{array}{c} k_1 \\ k_2 \\ k_3 \\ k_4 \end{array}\right\rbrack =\left\lbrack \begin{array}{c} r_{\textrm{d1}} -\theta_1 \\ r_{\textrm{d2}} -\theta_2 \\ \vdots \\ r_{\textrm{dn}} -\theta_n \end{array}\right\rbrack $$ 典型为 $A*x=b$ ,最小二乘解为 $x=A\backslash b$ . ```matlab A = [thetaRadian.^3,thetaRadian.^5,thetaRadian.^7,thetaRadian.^9]; b = r_d-thetaRadian; opencvCoeffs = A\b; disp("最小二乘拟合OpenCV鱼眼模型畸变系数为(k1~k4)："+strjoin(string(opencvCoeffs'),",")) ``` ```text 最小二乘拟合OpenCV鱼眼模型畸变系数为(k1~k4)：-0.10493,0.015032,-0.013603,0.0030601 ``` ```matlab newCameraMatrixK = K; newImageSize = size(distortFrame,[1,2]);% [height,width] [mapX,mapY] = initUndistortRectifyMapOpenCV(K, opencvCoeffs,newCameraMatrixK,newImageSize); ``` mapX,mapY即为映射 $\left(u,v\right)\to \left(u_d ,v_d \right)$ 的关系坐标。 ```matlab undistortImg2 = images.internal.interp2d(distortFrame,mapX,mapY,"linear",255, false); figure; imshow(undistortImg2) title("undistortion image from fit opencv fisheye model coefficient") ``` ![figure_2.eps](images/image2.png) 可以看出两种方法效果图一致，主要区别就是尺度scale计算方式不同，一个是直接查表得到scale，另一个是拟合公式求scale，没有明显的本质区别。 ## 畸变系数推算畸变表 有时厂商提供了镜头畸变表，并且我们也通过OpenCV标定了该镜头得到内参矩阵 $K$ 和畸变系数 $k_1-k_4$ ，但我们**更想验证我们的标定算法与厂商提供的畸变表“差距”有多大，那也可以通过畸变系数推算畸变表，然后绘制像高曲线进行比对，从而确保双向验证参数的准确性和一致性。** 为实验方便，直接采用上节拟合的畸变系数 $k_1-k_4$ 和估计的内参矩阵 $K$ 作为我们的“标定参数”结果，反推上述的畸变表cameraData数据，注意这里已知 $\theta$ ，求像高。 ```matlab disp("标定内参矩阵K："); ``` ```text 标定内参矩阵K： ``` ```matlab disp(newCameraMatrixK); ``` ```text 974.6782 0 960.0000 0 974.6782 540.0000 0 0 1.0000 ``` ```matlab disp("标定的畸变系数为(k1~k4)："+strjoin(string(opencvCoeffs'),",")) ``` ```text 标定的畸变系数为(k1~k4)：-0.10493,0.015032,-0.013603,0.0030601 ``` ```matlab % 入射角是从0.1°逐渐变化到90°，转为弧度制 theta = deg2rad(angleIn); RefX = tan(theta); RefX = filloutliers(RefX,"nearest","mean");% 过滤填充异常点，tan90接近无限大 RefY = 0; RefH = abs(RefX).*sign(tan(theta)); % 单位:mm % 再计算拟合像高 r_d = theta.*(1+opencvCoeffs(1)*theta.^2+opencvCoeffs(2)*theta.^4+... opencvCoeffs(3)*theta.^6+opencvCoeffs(4)*theta.^8); scale = r_d./RefH; RealX = RefX.*scale; RealY = RefY.*scale; r_d = sqrt(RealX.^2+RealY.^2); % 绘制参考像高vs实际像高vs百分比误差 figure; plot(rad2deg(theta),RefH,... rad2deg(theta),r_d,... rad2deg(theta),(r_d-RefH)./RefH*100,... LineWidth=2) hold on;grid on; plot(cameraData{:,1},cameraData{:,3},"--",... % Ref height cameraData{:,1},cameraData{:,2},":",... % Real height cameraData{:,1},(cameraData{:,2}-cameraData{:,3})./cameraData{:,3}*100,"-.",... LineWidth=2) f = mean([newCameraMatrixK(1,1),newCameraMatrixK(2,2)])*sensorRatio; legend(["paraxial height(mm),f=1","real height(mm),f=1","DISTORTION(%),f=1",... "factory paraxial height(mm),f="+string(f),"factory real height(mm),f="+string(f),... "factory DISTORTION(%),f="+string(f)],Location="northwest"); ax = gca; ax.YLim = [-50,50]; ax.XAxis.TickLabelFormat = '%g\x00B0';% 'degrees' xlabel("入射角\theta"); ylabel("像高/百分比"); title("distortion curve(f=1 vs f="+string(mean(f))+")"); ``` ![figure_3.eps](images/image3.png) 实线为推算的像高曲线与厂商提供畸变表像高曲线(虚线)不重合？ Oops！原来是在不同成像平面上像高差异导致的(就是最上面分析的平面( $\pi_1$ ， $\pi_2$ )，他们的畸变百分比是一致的！再看下下面焦距弥补导致的像高曲线变化。 ```matlab % 转换到实际f的焦距成像平面上的像高 RefH = f.*RefH; r_d = f.*r_d; % 绘制厂商结果对比图 figure; plot(rad2deg(theta),RefH,... rad2deg(theta),r_d,... rad2deg(theta),(r_d-RefH)./RefH*100,... LineWidth=2) hold on;grid on; plot(cameraData{:,1},cameraData{:,3},"--",... % Ref height cameraData{:,1},cameraData{:,2},":",... % Real height cameraData{:,1},(cameraData{:,2}-cameraData{:,3})./cameraData{:,3}*100,"-.",... LineWidth=2) legend(["paraxial height(mm),f="+string(f),"real height(mm),f="+string(f),"DISTORTION(%),f="+string(f),... "factory paraxial height(mm),f="+string(f),"factory real height(mm),f="+string(f),... "factory DISTORTION(%),f="+string(f)],Location="northwest"); ax = gca; ax.YLim = [-50,50]; ax.XAxis.TickLabelFormat = '%g\x00B0';% 'degrees' xlabel("入射角\theta"); ylabel("像高/百分比"); title("distortion curve"); ``` ![figure_4.eps](images/image4.png) ```matlab writematrix([rad2deg(theta),r_d,RefH],"backupDistortionTable.xlsx") ``` 现在为实际焦距 $f$ 下的成像像高，符合预期期望。 ## References 1. [Fisheye camera model](https://docs.opencv.org/4.4.0/db/d58/group__calib3d__fisheye.html) 1. Juho Kannala and Sami Brandt. A generic camera model and calibration method for conventional, wide-angle, and fish-eye lenses. *IEEE transactions on pattern analysis and machine intelligence*, 28:1335–40, 09 2006. 1. [常用相机投影及畸变模型（针孔|广角|鱼眼）](https://blog.csdn.net/qq_28087491/article/details/107965151) 1. [鱼眼镜头的成像原理到畸变矫正（完整版）](https://blog.csdn.net/qq_16137569/article/details/112398976) 1. [What are the main references to the fish-eye camera model in OpenCV3.0.0dev?](https://stackoverflow.com/questions/31089265/what-are-the-main-references-to-the-fish-eye-camera-model-in-opencv3-0-0dev) 1. [Fisheye Projection](https://wiki.panotools.org/Fisheye_Projection)