opencv棋盘格标定C++

好的，下面是使用 OpenCV 在 C++ 中进行棋盘格标定的步骤：

1. 准备标定图像：使用相机拍摄多张包含完整棋盘格的图像，并保存在本地。

2. 定义棋盘格参数：定义棋盘格的行数、列数、每个方格的大小（单位为毫米）等参数。

3. 导入图像并查找棋盘格角点：使用 OpenCV 中的 `findChessboardCorners()` 函数在图像中查找棋盘格角点，并将其保存在一个数组中。

4. 绘制角点：使用 `drawChessboardCorners()` 函数绘制被找到的角点。

5. 标定相机：使用 `calibrateCamera()` 函数标定相机，并计算出相机的内部参数和畸变矩阵。

6. 评估标定结果：使用 `getOptimalNewCameraMatrix()` 函数来优化相机矩阵，并使用 `undistort()` 函数来矫正图像的畸变。

下面是示例代码，可以根据自己的需要进行修改：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    // 定义棋盘格参数
    int board_width = 9;
    int board_height = 6;
    float square_size = 25.0; // 每个方格的大小，单位为毫米

    // 准备标定图像
    vector<vector<Point3f>> object_points; // 保存棋盘格角点的三维坐标
    vector<vector<Point2f>> image_points; // 保存棋盘格角点的图像坐标
    vector<Point2f> corners; // 保存每张图像中被找到的角点
    Mat image, gray;
    Size image_size;

    // 循环读取图像并查找角点
    for (int i = 1; i <= 20; i++)
    {
        // 读取图像
        string filename = "image" + to_string(i) + ".jpg";
        image = imread(filename);
        if (image.empty())
        {
            cout << "Can't read image " << filename << endl;
            continue;
        }
        image_size = image.size();

        // 转换为灰度图像
        cvtColor(image, gray, COLOR_BGR2GRAY);

        // 查找角点
        bool found = findChessboardCorners(gray, Size(board_width, board_height), corners);

        if (found)
        {
            // 亚像素精确化
            cornerSubPix(gray, corners, Size(11, 11), Size(-1, -1), TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, 30, 0.1));

            // 绘制角点
            drawChessboardCorners(image, Size(board_width, board_height), corners, found);
            imshow("Chessboard", image);
            waitKey(500); // 暂停一下，方便观察

            // 保存角点
            vector<Point3f> object_corner;
            for (int j = 0; j < board_height; j++)
            {
                for (int k = 0; k < board_width; k++)
                {
                    Point3f corner((float)k * square_size, (float)j * square_size, 0);
                    object_corner.push_back(corner);
                }
            }
            object_points.push_back(object_corner);
            image_points.push_back(corners);
        }
    }

    // 标定相机
    Mat camera_matrix, dist_coeffs;
    vector<Mat> rvecs, tvecs;
    calibrateCamera(object_points, image_points, image_size, camera_matrix, dist_coeffs, rvecs, tvecs);

    // 评估标定结果
    Mat mapx, mapy;
    Mat new_camera_matrix = getOptimalNewCameraMatrix(camera_matrix, dist_coeffs, image_size, 1, image_size, 0);
    initUndistortRectifyMap(camera_matrix, dist_coeffs, Mat(), new_camera_matrix, image_size, CV_16SC2, mapx, mapy);

    // 矫正图像
    for (int i = 1; i <= 20; i++)
    {
        // 读取图像
        string filename = "image" + to_string(i) + ".jpg";
        image = imread(filename);
        if (image.empty())
        {
            cout << "Can't read image " << filename << endl;
            continue;
        }

        // 矫正图像
        Mat undistorted;
        remap(image, undistorted, mapx, mapy, INTER_LINEAR);

        // 显示矫正前后的图像
        imshow("Original Image", image);
        imshow("Undistorted Image", undistorted);
        waitKey(0);
    }

    return 0;
}