用上面的函数写一个畸变矫正的demo

当然，下面是一个简单的Python示例，使用`cv2.initUndistortRectifyMap`进行畸变矫正的基本流程。假设我们已经有了原始相机矩阵(`cameraMatrix`)，径向畸变系数(`distCoeffs`)，以及新校准的内参矩阵(`newCameraMatrix`)：

import cv2
import numpy as np

# 假设已知的参数
camera_matrix = np.array([[fx, 0, cx], [0, fy, cy], [0, 0, 1]], dtype=np.float32)
dist_coeffs = np.zeros((5, 1))  # 很少有实际项目使用5阶径向失真模型，这里简化为零
new_camera_matrix = camera_matrix  # 新的内参矩阵通常是保持原样

# 计算反畸变映射矩阵
map1, map2 = cv2.initUndistortRectifyMap(camera_matrix, dist_coeffs, None, new_camera_matrix, (image_width, image_height), cv2.CV_16SC2)

# 假设已经读取了一张存在畸变的图像，比如img
original_img = cv2.imread('input.jpg')

# 使用映射矩阵对图像进行矫正
undistorted_img = cv2.remap(original_img, map1, map2, interpolation=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT)

# 显示原始图像和矫正后的图像
cv2.imshow('Original Image', original_img)
cv2.imshow('Undistorted Image', undistorted_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，`interpolation=cv2.INTER_LINEAR`指定了插值方法，`borderMode=cv2.BORDER_CONSTANT`设置了边缘填充模式。当图像大小发生变化时，`map1`和`map2`也需要相应调整。