|
/**************************************************************** 转自：http://www./article/p-656561.html ***************************************************************/ 从上一篇文章，我们知道cvStereoRectify()函数只是计算了校正需要的参数，并没有完成图像上实际的校正。 在本节将介绍两个函数： cvInitUndistortRectifyMap()函数来计算左右视图的校正查找映射表mapx,mapy。 cvRemap()函数利用查找映射表和插值算法实现将输入图像的重投影，从而得到校正后图像。 为了理解下面的话，我们将书上图附上： 
图12-11：立体校正。对左右摄像机而言，(a)原始图像(b)非畸变化(c)校正(d)最后裁切成两幅图像间的重叠区域。校正实际上是右(c)到(a)的反过程。 对任何图像到图像的映射函数，由于目标位置是浮点型的缘故，正向映射（即根据原始图像上的点计算其到目标图像上的点），不会命中目标图像对应的像素位置。 为了理解上面的话，我们引入OpenCV中cvRemap函数中的解释： 例如，我们可以说像素的位于（20，17）位置，当这些整数位置映射到新的图像中，可能会有一些差异——源图像中像素中的像素位置是整形的而目标图像是浮点型的，就必须将其四舍五入到最相近的整型，因为可能映射后的位置完全就是没有像素的（联想一下通过拉伸图像扩大两倍，其他的每个目标像素将是空白）。这个问题一般被称为正向投影问题。为了解决这些四舍五入和目标差异的问题，实际上我们可以反过来解决：通过目标图像中的每一个像素去问：“哪个像素需要来填充这个目标像素？“这些源像素的位置几乎都是小数（非整数），所以必须对这些像素进行插值以得到目标位置的正确值。
因此我们采用逆向映射：对目标图像上的每一个整形的像素位置，首先查找出其对应源图像上的浮点位置，然后利用周围源像素的每个整形值插值出新的值来。
计算这样映射关系的实现函数cvInitUndistortRectifyMap()被调用两次，即分别求解左右原始图像到校正图像之间的映射查找表，声明如下：
2、disCoeffs,是5×1的摄像机畸变系数。 3、Rrect，是cvStereoRecify()函数输出的Rl或者Rr 4、Mrect是3×3的校正后的摄像机内参数矩阵，该矩阵是cvStereoRectify()计算得到投影矩阵P的前三列。 5、mapx,mapy,是函数返回的输出查找映射表。 （个人对查找表的理解：我们知道查找表的大小和目标图像一样，那么我们对于目标图像的每一个位置如(12,8)，那么mapx和mapy存储着位于该处（即在mapx和mapy矩阵中也是(12,8)位置处）的源图像对应的x和y坐标位置，此时的在源图像中的坐标为浮点型，我们利用插值算法求解出该位置的像素值，然后将该像素值给目标图像的(12,8)位置的像素，要像正确理解，还需要深入的了解算法的操作流程，这里理解不免有误）。 利用计算得到查找映射表重投影图像的cvRemap()函数声明如下：
cvRemap函数将一幅图像中一个位置的像素平滑的重映射到另一个位置。
1、src源图像 2、dst目标图像，源图像和目标图像必须大小和通道一致，数据类型可以任意。 3、mapx,mapy，为单通道，通常为IPL_DEPTH_32F浮点型数据，和源图像、目标图像有同样的大小，指明具体像素重新分别的位置。 4、flags，插值方法，默认采用双线性插值。 插值方法： CV_INTER_NN 最邻近插值 CV_INTER_LINEAR 双线性插值（默认） CV_INTER_AREA 像素区域重新采样 CV_INTER_CUBIC 双三次插值
CV_WARP_FILL_OUTLIERS,其效果是可以用最后一个变量fillval设置的值填充目标图像的像素，而这些像素在原始输入图像中没有任意像素与之对应。
如果使用cvStereoRectifyUncalibrated()函数，即不使用摄像机内参数来校正视觉时，关于讲解请看Learning OpenCV中文版 475页倒数第二段以及阅读OpenCV自带的stereo_calib.cpp程序来详细了解具体的操作。 |
|
|
