相机的标定

news/2024/11/19 21:38:40/文章来源:https://www.cnblogs.com/qzt2cool/p/18290827

代码部分

#打开摄像头,将读取的视频保存在本地,名字叫output.avi# coding=utf-8
import cv2 as cv
cap = cv.VideoCapture(0)
# 检查是否成功打开摄像头
if not cap.isOpened():print("Cannot open camera")exit()
# 获取摄像头帧的宽度和高度
frame_width = int(cap.get(cv.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv.CAP_PROP_FRAME_HEIGHT))# 创建VideoWriter对象,用于保存视频。参数为输出文件名、FourCC编码(例如XVID)、帧率、帧大小(宽度和高度)
output = cv.VideoWriter('output.avi', cv.VideoWriter_fourcc('M', 'J', 'P', 'G'), 30, (frame_width, frame_height))while True:# 逐帧捕获ret, frame = cap.read()# 如果正确读取帧,ret为Trueif not ret:print("Can't receive frame (stream end?). Exiting ...")break# 在这里进行对帧的操作,比如灰度化gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)# 显示结果帧cv.imshow('frame', frame)# 将帧写入输出视频output.write(frame)if cv.waitKey(1) == ord('q'):break
# 完成所有操作后,释放捕获器和输出视频对象
cap.release()
output.release()
cv.destroyAllWindows()
#将上面录制的视频,每隔timeF的间隔,读取一帧并以图片的形式保存在本地import numpy as np
import cv2
import os
def video2image(video_dir, save_dir):cap = cv2.VideoCapture(video_dir)  # 生成读取视频对象n = 1  # 计数width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))  # 获取视频的宽度height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))  # 获取视频的高度fps = cap.get(cv2.CAP_PROP_FPS)  # 获取视频的帧率fourcc = int(cap.get(cv2.CAP_PROP_FOURCC))  # 视频的编码# 定义视频输出# writer = cv2.VideoWriter("video_02_result.mp4", fourcc, fps, (width, height))i = 0timeF = int(fps)  # 视频帧计数间隔频率while cap.isOpened():ret, frame = cap.read()  # 按帧读取视频# 到视频结尾时终止if ret is False:break# 每隔timeF帧进行存储操作if (n % timeF == 0):i += 1print('保存第 %s 张图像' % i)save_image_dir = os.path.join(save_dir, '%s.jpg' % i)print('save_image_dir: ', save_image_dir)cv2.imwrite(save_image_dir, frame)  # 保存视频帧图像n = n + 1cv2.waitKey(1)  # 延时1mscap.release()  # 释放视频对象# 读取文件夹所有视频,每个视频按帧保存图像
def video2image_multi(video_path, save_path):video_list = os.listdir(video_path)for i in range(len(video_list)):video_dir = os.path.join(video_path, video_list[i])cap = cv2.VideoCapture(video_dir)fps = cap.get(cv2.CAP_PROP_FPS)  # 视频的帧率save_num = 0n = 1  # 计数timeF = int(fps)  # 视频帧计数间隔频率while cap.isOpened():ret, frame = cap.read()if ret is False:break# 每隔timeF帧进行存储操作if (n % 10 == 0):save_num += 1save_image_dir = os.path.join(save_path, '%s_%s.jpg' % (i, save_num))cv2.imwrite(save_image_dir, frame)n = n + 1cv2.waitKey(1)cap.release()print('读取第 %s 个视频完成 !!!' % i)if __name__ == '__main__':video2image(r'E:\project\python\Camera calibration\output.avi', r'E:\project\python\Camera calibration\picture')
#进行标定
#必须使用文件夹下同比例的标定图import cv2
import numpy as np
import glob
import os
# 找棋盘格角点
# 设置寻找亚像素角点的参数,采用的停止准则是最大循环次数30和最大误差容限0.001
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) # 阈值
#棋盘格模板规格
w = 9   # 10 - 1
h = 6   # 7  - 1
# 世界坐标系中的棋盘格点,例如(0,0,0), (1,0,0), (2,0,0) ....,(8,5,0),去掉Z坐标,记为二维矩阵
objp = np.zeros((w*h,3), np.float32)
objp[:,:2] = np.mgrid[0:w,0:h].T.reshape(-1,2)
objp = objp*18.1  # 18.1 mm# 储存棋盘格角点的世界坐标和图像坐标对
objpoints = [] # 在世界坐标系中的三维点
imgpoints = [] # 在图像平面的二维点
#加载pic文件夹下所有的jpg图像
images = glob.glob('./picture/*.jpg')  #   拍摄的十几张棋盘图片所在目录i=0
for fname in images:img = cv2.imread(fname)# 获取画面中心点#获取图像的长宽h1, w1 = img.shape[0], img.shape[1]gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)u, v = img.shape[:2]# 找到棋盘格角点ret, corners = cv2.findChessboardCorners(gray, (w,h),None)# 如果找到足够点对,将其存储起来if ret == True:print("i:", i)i = i+1# 在原角点的基础上寻找亚像素角点cv2.cornerSubPix(gray,corners,(11,11),(-1,-1),criteria)#追加进入世界三维点和平面二维点中objpoints.append(objp)imgpoints.append(corners)# 将角点在图像上显示cv2.drawChessboardCorners(img, (w,h), corners, ret)cv2.namedWindow('findCorners', cv2.WINDOW_NORMAL)cv2.resizeWindow('findCorners', 640, 480)cv2.imshow('findCorners',img)cv2.waitKey(200)
cv2.destroyAllWindows()
#%% 标定
print('正在计算')
#标定
ret, mtx, dist, rvecs, tvecs = \cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None)print("ret:",ret  )
print("mtx:\n",mtx)      # 内参数矩阵
print("dist畸变值:\n",dist   )   # 畸变系数   distortion cofficients = (k_1,k_2,p_1,p_2,k_3)
print("rvecs旋转(向量)外参:\n",rvecs)   # 旋转向量  # 外参数
print("tvecs平移(向量)外参:\n",tvecs  )  # 平移向量  # 外参数
newcameramtx, roi = cv2.getOptimalNewCameraMatrix(mtx, dist, (u, v), 0, (u, v))
print('newcameramtx外参',newcameramtx)
#打开摄像机
camera=cv2.VideoCapture(0)
while True:(grabbed,frame)=camera.read()h1, w1 = frame.shape[:2]newcameramtx, roi = cv2.getOptimalNewCameraMatrix(mtx, dist, (u, v), 0, (u, v))# 纠正畸变dst1 = cv2.undistort(frame, mtx, dist, None, newcameramtx)#dst2 = cv2.undistort(frame, mtx, dist, None, newcameramtx)mapx,mapy=cv2.initUndistortRectifyMap(mtx,dist,None,newcameramtx,(w1,h1),5)dst2=cv2.remap(frame,mapx,mapy,cv2.INTER_LINEAR)# 裁剪图像,输出纠正畸变以后的图片x, y, w1, h1 = roidst1 = dst1[y:y + h1, x:x + w1]#cv2.imshow('frame',dst2)#cv2.imshow('dst1',dst1)cv2.imshow('dst2', dst2)if cv2.waitKey(1) & 0xFF == ord('q'):  # 按q保存一张图片cv2.imwrite("../u4/frame.jpg", dst1)break

标定图片

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/740818.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

关于golang函数传参问题

今天在写leetcode的一个简单问题的时候发现golang的切片传递并不是直接 传递地址的,而是一个地址副本。如图所示,当我利用test函数对nums1和nums2数组处理时,并不是对原来的nums1和nums2做处理,而是对他们的副本nums1_temp和nums2_temp做处理,但是nums1_temp和nums1都指向…

PN转Modbus RTU模块连接ACS4QQ变频器通信

巴图自动化PN转Modbus RTU模块(BT-MDPN10)的主要功能是实现Modbus协议和Profinet协议之间的转换和通信。PN转Modbus RTU模块集成了Modbus和Profinet两种协议,支持Modbus RTU主从站,可连接变频器、智能高低压电器、功率测量设备等RS485/232接口设备。一台完整的机器在出厂前由…

RS232转PN协议网关模块连接PLC和霍尼韦尔条码扫描器通信

利用RS232转PN协议网关(BT-PNR20)模块连接PLC与条码扫描器,通过配置RS232转PN协议网关(BT-PNR20)模块连接PLC与条码扫描器参数实现高效通信,提高生产效率,降低人工干预成本。涉及设备准备、硬件连接、配置步骤和监控设置。为了更快地输入信息,许多设备都配备了条码扫描…

vscode 远程连接 Ubuntu (SSH)

vscode ssh Ubuntu 流程及一些常见问题的解决安装对应的拓展包显示所有的命令(Ctrl+Shift+p)获取虚拟机的ip sudo apt install net-tools ifconfig进行连接如果连接的时候报错(管道不存在) 在Ubuntu中打开ssh服务即可如果连接了很久没有连上(Permission denied (publickey…

2024已过半,还没试过在vue3中使用ioc容器吗?

Zova 是一款支持 IOC 容器的 Vue3 框架。有了 IOC 容器的加持,定义响应式状态不再需要ref/reactive,也不再需要ref.valueVue3 已经非常强大和灵活了,为什么还要引入 IOC 容器呢?IOC 容器离不开 Class,那么我们就从 Class 谈起 Class的应用场景 一提起 Class,大家一定会想…

cpp查错误

使用Windows事件查看器调试崩溃 https://www.cnblogs.com/yilang/p/11993912.html1、2、生成.map看函数地址 3、map里找不到0xc0000409 4、 搜 异常代码 0xc0000409 5、堆栈设置

Vue3 如何接入 i18n 实现国际化多语言

如何在现有 Vue 3.0 + Vite 项目中,引入 i18n 实现国际化多语言,可以手动切换,SEO友好,且完整可用的解决方案。1. 基本方法 在 Vue.js 3 中实现网页的国际化多语言,最常用的包是 vue-i18n,通常我们会与 vue-i18n-routing 一起使用。 vue-i18n 负责根据当前页面的语言渲染…

【安全运营】企业钓鱼演练实践

一、 群智集锦 问:请教各位师傅个问题,你们多长时间做一次钓鱼演练?答:全员型的半年一次,小范围的一个季度一次;答:我们内部每月都有做钓鱼演练,主要针对新员工,钓鱼主题一般不改变,针对全员的时候会换一下套路;问:请教个问题,大家进行钓鱼演练统计是怎么统计展示…

植物大战僵尸 杂交版

下载地址:https://download.csdn.net/download/hello_hlqk/89525708?spm=1001.2101.3001.9500 植物大战僵尸杂交版是一款由B站UP主 @潜艇伟伟迷 基于原版植物大战僵尸魔改的塔防类游戏。这款游戏在保留原有游戏精髓的基础上,进行了大胆的创新和尝试。UP主将不同的植物进行了…

Modbus转Profibus模块连SmartPLC接汇川630伺服案例

Modbus转Profibus模块(XD-MDPB100)是一种通讯协议转换器,能够实现Modbus 协议与Profibus-DP协议的信息共享。汇川630伺服作为一种先进的运动控制设备,其平稳性和准确性获得了充分肯定。本文将详细分析怎么使用Profibus转Modbus模块(XD-MDPB100)连接SmartPLC以及配备汇川630…

6.20+rand()%10~7.8

集训、集训、集训忘了放假之前的事了 首先排除是因为点分治调破防了 (发现一写数据结构专题闲话就变月记了) 其实还有原因是每次写这东西到一半就会因为点睡眠就会不小心点成关机所以似了 换校区(放假) 说实话放的还挺久的 在衡水住的酒店,打了一下午崩铁 速成了一下超击破…

matlab中神经网络预测模型的调用

本章以一道多自变量的例题来表述如何用调用matlab的包进行神经网络预测 目录一、问题提出二、训练集,验证集和测试集三、使用神经网络进行训练1.导入数据2.选择训练方法四、结果解读1.性能图2.回归图3.训练方法比较4.保存结果五、进行预测 一、问题提出 如图所示,现在有401个…