Python OpenCV remap/undistort去畸变后图像过度裁剪失真问题咨询

问题原因及解决方法 #

1 代码存在明显bug

你在完成亚像素角点优化后，存入imgpoints的仍然是未优化的原始角点corners，而非精度更高的corners2，会直接导致标定的内参、畸变系数误差极大：

# 原错误代码
imgpoints.append(corners)
# 修改为
imgpoints.append(corners2)

2 棋盘格参数匹配错误

你定义的CHECKERBOARD = (8,6)对应的是棋盘格内角点的数量（即黑白格交界的内部交点，不算棋盘外边缘），且顺序需要和实际拍摄的棋盘格横纵方向完全对应：

• 如果你数的是棋盘格的格子数，需要减1才是内角点数量，比如9列7格的棋盘，对应内角点是(8,6)
• 如果横纵参数写反，会导致三维世界坐标和二维图像坐标匹配完全错位，标定结果直接失效

3 标定样图不符合要求

你的标定样图如果存在以下问题，也会导致标定结果异常：

• 所有样图的棋盘格都集中在画面同一区域（比如都在中心），没有覆盖画面边缘，无法拟合出准确的边缘畸变参数
• 拍摄时棋盘格的角度、距离变化极小，标定算法无法获得足够的位差解算正确参数
• 部分样图的角点检测错误，你没有做可视化校验就直接加入了标定样本，拉低了整体标定精度

4 临时调试方法

你可以先按以下步骤快速定位问题：

• 先注释掉最后的裁剪代码，直接输出未裁剪的去畸变图：如果未裁剪的图已经完全变形，说明标定结果本身错误，回到前三点排查；如果未裁剪的图畸变修正正常，仅裁剪后只剩小部分，说明getOptimalNewCameraMatrix的参数设置问题，把函数的第四个参数1改为0，即可保留全部原图像像素，避免过度裁剪
• 打印标定的重投影误差：正常合格的标定重投影误差应小于0.5像素，若误差大于1像素，直接判定标定结果无效，重新检查角点检测和样本质量

内容的提问来源于stack exchange，提问作者Morticia A. Addams