1.背景

目前有个项目，需要用到热成像相机。但是这个热成像相机它的畸变比较厉害，因此需要用标定板进行标定，从而消除镜头畸变。
同时需要实现用户用鼠标点击矫正后的画面后，显示用户点击位置的像素所代表的温度。
另外热成像sdk中还有个功能：选定一个rect，可以返回这个rect中的最高、最小温度以及其各自的位置。假如我们需要这个功能，那么又需要知道从src到dst的关系了。

2.需求分析

消除镜头畸变后，就不能直接使用热成像sdk提供的函数来查询像素对应的温度。
因为在查询函数中，有个像素坐标的形参，要求传入原来的热成像图像A的像素坐标，函数返回此像素位置的温度。
而我们经过畸变消除后，得到画面B。B上面的特定像素所处的坐标和原图不一定一样。
因此，假如用户想查询画面B上的某个像素点的有效温度，就必须要取得此像素点在原图A上的位置坐标。
而在知道原图的最高最低温度点的位置后，需要知道其在纠正后的画面中的位置，才能准确绘制出来。
总结一下，需要实现以下功能：
a、镜头畸变矫正
b、知道矫正后的画面坐标（x，y），求其在原画面的坐标（x’，y’）
c、知道原画面坐标（x1，y1），求其在矫正后的画面坐标（x2，y2）

3.解决方案

其实很简单，opencv本身就提供了。

3.1.镜头畸变矫正

在经过 findChessboardCorners、calibrateCamera之后，我们就已经获得了相机矩阵cameraMatrix、畸变矩阵distCoeffs。
然后，我们利用getOptimalNewCameraMatrix，获得了一个相对容易控制画面取舍的新相机矩阵newCamMatrix。
接下来，就有两种方式对画面进行矫正：
a、直接undistort。
b、先利用initUndistortRectifyMap得到map1、map2，然后再利用remap进行画面矫正。
后面的代码把两种都演示了。

3.2.知道矫正后的画面坐标（x，y），求其在原画面的坐标（x’，y’）

其实，我们真正需要的是第二种。
关键就在于map1、map2。
这两个矩阵是什么玩意呢？
其实你先看看他们的尺寸、通道数，再查阅一下资料就知道了：
map1、map2的尺寸与目标图像（矫正后的图像）的尺寸一致，而通道数为1（这个其实不一定，与其他参数有关，暂时先这样认为）。我们假设，最终图像（x，y）处的像素来源于源图像（x’，y’）处，那么，map1中存储了坐标（x’，y’）中的x’，而map2中存储了y’。
虽然我描述得很混乱，但是你配合代码应该明白我在说什么。😁
所以，我们直接利用这个map1、map2就可以实现从消除畸变后的画面坐标转换到原画面的坐标了。

3.2.知道原画面坐标（x1，y1），求其在矫正后的画面坐标（x2，y2）

这个可以利用opencv的undistortPoints函数进行求解。
需要注意的是第三个参数使用相机矩阵、第五个参数使用空矩阵、第六个参数使用新相机矩阵。这些参数需要和initUndistortRectifyMap的想对应起来。

    vector<Point2f> srcPts;srcPts.push_back(Point2f(300, 145));vector<Point2f> dstPts;undistortPoints(srcPts, dstPts, cameraMatrix, distCoeffs, Mat(), newCamMatrix);

4.效果

由于一些原因，我不能直接展示我的效果图。这里用opencv自带的图像来演示吧。

5.代码

int cameraCalibration()
{Size boardSize = {9, 6};float squareSize = 0.05;bool displayCorners = false;vector<string> imageList;for(int i = 0; i < 9; i++){QString leftImgFile = QString("../data/left%1.jpg").arg(i + 1, 2, 10, QLatin1Char('0'));imageList.push_back(leftImgFile.toStdString());}// 存放相机的图像的角点位置vector<vector<Point2f>> imagePoints;// 存放实际的物体坐标vector<vector<Point3f>> objectPoints;Size imageSize;int i, j, nimages = imageList.size();imagePoints.resize(nimages);// 存放能够顺利找到角点的图像的路径vector<string> goodImageList;for(i = 0, j = 0; i < nimages; i++ ){const string& filename = imageList[i];Mat img = imread(filename, IMREAD_GRAYSCALE);// 检查图像是否为空if(img.empty())break;imageSize = img.size();// 找角点bool found = false;vector<Point2f>& corners = imagePoints[j];found = findChessboardCorners(img, boardSize, corners,CALIB_CB_ADAPTIVE_THRESH | CALIB_CB_NORMALIZE_IMAGE);if(found == false){break;}// 再进行一次亚像素查找cornerSubPix(img, corners, Size(11,11), Size(-1,-1),TermCriteria(TermCriteria::COUNT+TermCriteria::EPS,30, 0.01));// 显示查找的结果if(displayCorners){cout << "found:" << filename.c_str() << endl;Mat cimg;cvtColor(img, cimg, COLOR_GRAY2BGR);drawChessboardCorners(cimg, boardSize, corners, found);imshow("corners", cimg);char c = (char)waitKey(100);}goodImageList.push_back(imageList[i]);j++;}nimages = j;if( nimages < 2 ){cout << "Error: too little data to run the calibration\n";return -1;}// 截取长度，保留有用的数据imagePoints.resize(nimages);// 填充3d数据objectPoints.resize(nimages);for(int i = 0; i < nimages; i++ ){for(int j = 0; j < boardSize.height; j++ )for(int k = 0; k < boardSize.width; k++ )objectPoints[i].push_back(Point3f(k*squareSize, j*squareSize, 0));}cv::Mat cameraMatrix(3, 3, CV_32FC1, cv::Scalar::all(0));  //内参矩阵3*3cv::Mat distCoeffs(1, 5, CV_32FC1, cv::Scalar::all(0));    //畸变矩阵1*5vector<cv::Mat> rotationMat;                               //旋转矩阵vector<cv::Mat> translationMat;                            //平移矩阵//!标定/*** points3D_all_images: 真实三维坐标* points_all_images: 提取的角点* image_size: 图像尺寸* camera_K : 内参矩阵K* distCoeffs: 畸变参数* rotationMat: 每个图片的旋转向量* translationMat: 每个图片的平移向量* */calibrateCamera(objectPoints, imagePoints, imageSize, cameraMatrix, distCoeffs, rotationMat, translationMat, 0);Mat testImg = imread(imageList[0], IMREAD_COLOR);cv::Rect validROI;Mat newCamMatrix = getOptimalNewCameraMatrix(cameraMatrix, distCoeffs, imageSize, 1.0, imageSize, &validROI);//    Mat undistortedImg;
//    undistort(testImg, undistortedImg, cameraMatrix, distCoeffs, newCamMatrix);//    cv::rectangle(undistortedImg, validROI, Scalar(255, 0, 0));
//    imshow("undistorted image", undistortedImg);Mat undistortedImg2;Mat map1, map2;initUndistortRectifyMap(cameraMatrix, distCoeffs, cv::Mat(), newCamMatrix, imageSize, CV_32FC1, map1, map2);//    cout << "map1 size" << map1.size() << "," << map1.channels() << endl;//    cout << "map2 size" << map2.size() << "," << map2.channels() << endl;remap(testImg, undistortedImg2, map1, map2, INTER_LINEAR);cv::rectangle(undistortedImg2, validROI, Scalar(255, 0, 0));cout << "calibration completed\r\n";// map1 map2中存储的分别是最终图像对应像素的x，y坐标// 知道dst的坐标，求src的相应坐标Point dstPt(400, 109);double pt_x = map1.at<float>(dstPt);double pt_y = map2.at<float>(dstPt);cout << "dstPt:" << dstPt << "; " << "origin pt:" << pt_x << ", "<< pt_y << endl;cv::circle(testImg, Point(pt_x, pt_y), 5, Scalar(255, 0, 0), 2);cv::circle(undistortedImg2, dstPt, 5, Scalar(255,0, 0), 2);// 知道src的坐标，求dst的相应坐标vector<Point2f> srcPts;srcPts.push_back(Point2f(300, 145));vector<Point2f> dstPts;undistortPoints(srcPts, dstPts, cameraMatrix, distCoeffs, Mat(), newCamMatrix);cout << "the dst:" << dstPts << endl;circle(testImg, srcPts[0], 8, Scalar(0, 255, 0));circle(undistortedImg2, dstPts[0], 8, Scalar(0, 255, 0));imshow("src to dst: src", testImg);imshow("src to dst: dst", undistortedImg2);
}

---

参考：
【关于OpenCV中的去畸变】
【用OpenCV进行相机标定(张正友标定,有代码)】
【《opencv学习笔记》-- 重映射】