帮我写一个基于opencv测照片相机内参和相机畸变的代码

### 回答1：
以下是使用OpenCV测量相机内参和相机畸变的基本代码：

import numpy as np
import cv2

# 读取图片
img = cv2.imread('photo.jpg')

# 定义标定板的行和列
rows = 6
cols = 8

# 创建标定板的世界坐标系坐标
objp = np.zeros((rows*cols, 3), np.float32)
objp[:, :2] = np.mgrid[0:cols, 0:rows].T.reshape(-1, 2)

# 存储所有图像的世界坐标系坐标和图像坐标
objpoints = []  # 3D点
imgpoints = []  # 2D点

# 获取标定板角点的图像坐标
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, corners = cv2.findChessboardCorners(gray, (cols, rows), None)

# 如果找到，则添加到图像点列表和世界点列表中
if ret:
    objpoints.append(objp)
    imgpoints.append(corners)

    # 绘制角点
    cv2.drawChessboardCorners(img, (cols, rows), corners, ret)

    # 计算相机内参和畸变系数
    ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None)

    # 显示结果
    print("相机内参：")
    print(mtx)
    print("\n畸变系数：")
    print(dist)
    print("\n旋转向量：")
    print(rvecs)
    print("\n平移向量：")
    print(tvecs)

    # 保存结果
    np.savetxt('mtx.txt', mtx)
    np.savetxt('dist.txt', dist)

# 显示图像
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，在此示例中，代码假定已找到标定板的角点，并且将它们添加到对象点列表和图像点列表中。如果没有找到所有的角点，或者只找到了一些角点，可能需要进行一些额外的处理才能正确计算相机内参和畸变系数。

### 回答2：
下面是一个基于OpenCV的代码示例，用于测量照片相机的内参和相机畸变。

import cv2
import numpy as np

def calibrate_camera(image_paths, checkerboard_size, square_size):
    # 准备对象点和图像点的存储数组
    obj_points = []  # 3D对象点实际坐标
    img_points = []  # 2D图像点坐标

    # 创建对象点的实际坐标
    objp = np.zeros((checkerboard_size[0] * checkerboard_size[1], 3), np.float32)
    objp[:, :2] = np.mgrid[0:checkerboard_size[0], 0:checkerboard_size[1]].T.reshape(-1, 2) * square_size

    # 遍历所有图像，查找棋盘格角点
    for image_path in image_paths:
        img = cv2.imread(image_path)
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

        # 查找棋盘格角点
        ret, corners = cv2.findChessboardCorners(gray, checkerboard_size, None)

        # 如果找到角点，则添加对象点和图像点
        if ret == True:
            obj_points.append(objp)
            img_points.append(corners)

    # 标定相机
    ret, camera_matrix, dist_coeffs, rvecs, tvecs = cv2.calibrateCamera(obj_points, img_points, gray.shape[::-1], None, None)

    return camera_matrix, dist_coeffs

# 示例用法
image_paths = ['image1.jpg', 'image2.jpg', 'image3.jpg']  # 输入图像路径
checkerboard_size = (9, 6)  # 棋盘格规格
square_size = 1.0  # 棋盘格方块尺寸（单位：毫米）

# 调用函数进行相机标定
camera_matrix, dist_coeffs = calibrate_camera(image_paths, checkerboard_size, square_size)

# 打印相机内参和相机畸变
print("相机内参:")
print(camera_matrix)
print("相机畸变:")
print(dist_coeffs)

注意：在运行代码之前，需要确保OpenCV已经正确安装并且导入了相应的库。此外，需要提供一组包含标定棋盘格图像的图像列表，并指定棋盘格的大小和方块大小作为输入参数。代码将返回相机的内参（相机矩阵）和畸变系数。

### 回答3：
基于OpenCV实现相机内参和相机畸变的代码如下：

import numpy as np
import cv2

def calibrate_camera(image_paths, chessboard_size):
    # 创建棋盘格角点的坐标
    obj_points = []
    img_points = []

    objp = np.zeros((chessboard_size[0] * chessboard_size[1], 3), np.float32)
    objp[:, :2] = np.mgrid[0:chessboard_size[0], 0:chessboard_size[1]].T.reshape(-1, 2)

    for image_path in image_paths:
        img = cv2.imread(image_path)
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

        # 查找棋盘格角点
        ret, corners = cv2.findChessboardCorners(gray, chessboard_size, None)

        # 如果找到角点
        if ret == True:
            obj_points.append(objp)
            img_points.append(corners)

            # 绘制角点并展示
            cv2.drawChessboardCorners(img, chessboard_size, corners, ret)
            cv2.imshow('img', img)
            cv2.waitKey(500)

    cv2.destroyAllWindows()

    # 进行相机内参和相机畸变的计算
    ret, matrix, distortion, rvecs, tvecs = cv2.calibrateCamera(obj_points, img_points, gray.shape[::-1], None, None)

    return matrix, distortion

if __name__ == '__main__':
    image_paths = ['image1.jpg', 'image2.jpg', 'image3.jpg']  # 输入棋盘格照片的路径
    chessboard_size = (9, 6)  # 棋盘格每行、每列的角点数量

    camera_matrix, distortion_coeffs = calibrate_camera(image_paths, chessboard_size)

    print('Camera Matrix:')
    print(camera_matrix)
    print('\nDistortion Coefficients:')
    print(distortion_coeffs)

使用此代码前，确保已安装OpenCV库，并将棋盘格照片的路径替换为实际的图片路径。chessboard_size可以根据棋盘格的实际情况进行调整。在运行代码后，将输出相机内参矩阵和相机畸变系数。