OpenCV中initUndistortRectifyMap与undistort的性能差异及原理问询

你在Jetson AGX上处理相机流时遇到的速度差异，核心原因在于两者的计算逻辑和执行时机完全不同：

1. 计算时机：预计算vs逐帧重复计算 #

• initUndistortRectifyMap的作用是根据相机内参、畸变系数，提前计算出像素映射表（mapx和mapy）——这两张表记录了去畸变后图像的每个像素，对应原始畸变图像中的哪个位置。只要相机参数不变，这个映射表只需要计算一次。
  你的代码里现在把它放在while循环内，其实完全可以移到循环外，速度还能再提升。
• undistort是把“计算映射表+图像采样”两步合并成一个函数，而且每处理一帧就重新计算一次映射表。相当于逐帧重复执行initUndistortRectifyMap的计算逻辑，自然会慢很多。

2. 内部实现：分工明确vs单帧全包 #

• initUndistortRectifyMap只做数学计算生成映射表，这一步是纯数值运算；remap则负责根据映射表对图像做插值采样（比如你用的INTER_LINEAR双线性插值），这一步是硬件友好的图像操作，Jetson的GPU可以高效加速。
• undistort没有拆分这两步，每帧都要重新推导映射关系，再做采样，没有利用缓存或预计算的优势，在嵌入式平台上的性能劣势会被放大。

优化后的代码示例 #

把映射表生成移到循环外，避免重复计算：

import cv2
import numpy as np

cap = cv2.VideoCapture("v4l2src device=/dev/video0 ! video/x-raw, format=BGRx, width=2064, height=1544 ! videoconvert ! video/x-raw, format=BGR ! appsink")

cameramtx = np.array([[1.34120872e+03, 0.00000000e+00, 1.03042395e+03],
[0.00000000e+00, 1.34241736e+03, 8.32822269e+02],
[0.00000000e+00, 0.00000000e+00, 1.00000000e+00]])

dist = np.array([[-0.30198218, 0.11819129, 0.00066535, -0.00047617, -0.025303  ]])

newcameramtx, roi = cv2.getOptimalNewCameraMatrix(cameramtx, dist, (2064,1544), 0, (2064,1544))

# 预计算映射表，仅执行一次
mapx,mapy = cv2.initUndistortRectifyMap(cameramtx, dist, None, newcameramtx,(2064, 1544),5)

while True:
    _, frame = cap.read()

    dst = cv2.remap(frame,mapx,mapy,cv2.INTER_LINEAR)
    dst = cv2.resize(dst, (960,640))

    # dst1 = cv2.undistort(frame, cameramtx, dist, None, newcameramtx)
    # dst1 = cv2.resize(dst, (960,640))
    
    cv2.imshow('dst', dst)
    if cv2.waitKey(1) == ord('q'):
        break

cap.release() 
cv2.destroyAllWindows()

（注：原代码中frame.release()是错误的，已修正为cap.release()）

内容的提问来源于stack exchange，提问作者Aleks-CST