opencv-rust 系列2: camera_calibration
前言: 这里只是opencv-rust自带示例的中文注解. 略微增加了一些代码也是我在调试时用到的.
说明:
camera_calibration.rs是opencv-rust自带的示例, 在examples目录中可以找到,我增加了一些中文注释如下.- 如需运行可以在项目根目录执行命令:
cargo run --example camera_calibration - 在vscode软件内点击main函数上方绿色三角"Run"运行程序时, 当前位置是项目的根目录.
- 在命令行使用
cargo run运行程序时, 当前位置是命令行所处目录. - 为了保持统一,我使用项目根目录为当前目录设定, 所以运行本程序一定要在项目根目录.
- 使用
highgui::imshow("Source", &img)?;显示窗口时不要使用中文!!! 建议 opencv 程序都不要使用中文. - 文末贴两张图,你可以下载后以jpg后缀名保存到./examples/data目录,以供程序运行使用.
- 当然,Cargo.toml中需包含:
[dependencies]
opencv = "0.93.1"
- 源代码如下:
//! Port of code from the tutorial at: https://docs.opencv.org/4.x/dc/dbb/tutorial_py_calibration.html
use std::error::Error;
use std::fs;
use opencv::core::{no_array, Point2f, Point3f, Size, TermCriteria, TermCriteria_EPS, TermCriteria_MAX_ITER, Vector};
use opencv::prelude::*;
use opencv::{calib3d, highgui, imgcodecs, imgproc};
use std::env;
fn main() -> Result<(), Box<dyn Error>> {
// 获取当前工作目录
let current_dir = env::current_dir().expect("无法获取当前目录");
// 打印当前工作目录的路径
println!("当前路径: {}", current_dir.display());
// 设置校准的终止条件，包括最大迭代次数和最小精度
let criteria = TermCriteria {
typ: TermCriteria_EPS + TermCriteria_MAX_ITER, // 终止条件类型
max_count: 30, // 最大迭代次数
epsilon: 0.001, // 精度阈值
};
// 准备三维世界中的物体点，例如棋盘格的角点, like (0,0,0), (1,0,0), (2,0,0) ....,(6,5,0)
let objp_len = 6 * 7; // 棋盘格的尺寸为6x7
let objp = Vector::from_iter((0..objp_len).map(|i| Point3f::new(
(i % 7) as f32, // x坐标
(i / 7) as f32, // y坐标
0.))); // z坐标，假设棋盘格位于z=0的平面上
// 读取当前目录下所有.jpg文件
let images = fs::read_dir("./examples/data")?
.into_iter()
.flatten()
.filter(|entry| entry.path().extension().map_or(false, |ext| ext == "jpg"));
//对每张图片进行校正
for image in images {
// 初始化用于存储所有图像的物体点和图像点的数组
let mut objpoints = Vector::<Vector<Point3f>>::new(); // 三维世界中的点
let mut imgpoints = Vector::<Vector<Point2f>>::new(); // 图像平面中的点
// 读取原始图像并显示
println!("准备读取图片: {}", image.path().to_string_lossy());
let mut img = imgcodecs::imread_def(image.path().to_string_lossy().as_ref())?;
highgui::imshow("Origin", &img)?;
highgui::wait_key(5000)?;
let mut gray = Mat::default();
// 将图像转换为灰度图
imgproc::cvt_color_def(&img, &mut gray, imgproc::COLOR_BGR2GRAY)?;
let mut corners = Vector::<Point2f>::default();
// 在灰度图中查找棋盘格角点
let ret = calib3d::find_chessboard_corners_def(&gray, Size::new(7, 6), &mut corners)?;
if ret {
println!("找到角点, 正在对该图校正");
// 如果找到了角点，将其添加到物体点数组
objpoints.push(objp.clone());
// 使用亚像素级精度细化角点位置
imgproc::corner_sub_pix(&gray, &mut corners, Size::new(11, 11), Size::new(-1, -1), criteria)?;
// 在图像上绘制角点并显示
calib3d::draw_chessboard_corners(&mut img, Size::new(7, 6), &corners, ret)?;
highgui::imshow("Source", &img)?;
// 将角点添加到图像点数组
imgpoints.push(corners);
// 相机校准
let mut mtx = Mat::default(); // 相机内参矩阵
let mut dist = Mat::default(); // 畸变系数
let mut rvecs = Vector::<Mat>::new(); // 旋转向量
let mut tvecs = Vector::<Mat>::new(); // 平移向量
calib3d::calibrate_camera_def(
&objpoints,
&imgpoints,
gray.size()?,
&mut mtx,
&mut dist,
&mut rvecs,
&mut tvecs,
)?;
//下面使用两种方法去除图像的畸变：
// 方法1,使用cv.undistort()去除图像畸变
let mut dst_undistort = Mat::default();
calib3d::undistort_def(&img, &mut dst_undistort, &mtx, &dist)?;
highgui::imshow("Result using undistort", &dst_undistort)?;
// 方法2,使用remapping方法去除图像畸变
let mut mapx = Mat::default();
let mut mapy = Mat::default();
calib3d::init_undistort_rectify_map(
&mtx,
&dist,
&no_array(),
&no_array(),
img.size()?,
f32::opencv_type(),
&mut mapx,
&mut mapy,
)?;
let mut dst_remap = Mat::default();
imgproc::remap_def(&img, &mut dst_remap, &mapx, &mapy, imgproc::INTER_LINEAR)?;
// 显示使用remap方法去畸变后的结果
highgui::imshow("Result using remap", &dst_undistort)?;
// 等待按键，然后继续处理下一张图像
highgui::wait_key_def()?;
}else {
println!("没有找到角点, 该图不能进行校正");
}
}
// 销毁所有OpenCV创建的窗口
highgui::destroy_all_windows()?;
Ok(())
}
