利用OpenCV计算图像畸变系数、进行校正与摄像机标定

在计算机视觉领域，摄像机标定是确定摄像机内部参数和外部参数的过程，对于图像畸变校正和三维重建等任务至关重要。OpenCV是一个广泛使用的计算机视觉库，提供了丰富的函数和工具，可以方便地进行摄像机标定和畸变校正。
以下是利用OpenCV计算图像畸变系数、进行校正与摄像机标定的步骤：

1. 准备标定板：标定板是用于摄像机标定的特殊图案，通常是具有多个角点的棋盘格。确保棋盘格在不同角度和位置拍摄多张照片，以便用于标定。
2. 检测角点：使用OpenCV中的cornerSubPix函数检测标定板角点。该函数可以对角点进行精细调整，提高检测精度。
3. 提取特征：使用SIFT、SURF等特征提取算法从标定板图像中提取特征点。这些特征点将用于计算畸变系数和摄像机内参。
4. 摄像机标定：使用OpenCV中的calibrateCamera函数进行摄像机标定。该函数将根据角点和特征点信息，计算摄像机的内部参数（焦距、主点坐标等）和畸变系数。
5. 畸变校正：使用OpenCV中的undistort函数进行畸变校正。该函数将根据计算出的畸变系数和原始图像，生成校正后的图像。
6. 结果评估：可以通过比较校正前后的图像，观察畸变校正的效果。也可以使用OpenCV中的其他评估方法，如均方误差（MSE）等指标来评估校正效果。
   下面是一个示例代码，演示了如何使用OpenCV进行摄像机标定和畸变校正：

   import numpy as np
   import cv2
   import glob
   # 准备标定板图像列表
   images = glob.glob('calibration_images/*.jpg')
   # 初始化棋盘格参数
   criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
   objp = np.zeros((6*7,3), np.float32) # 6x7棋盘格点云
   objp[:,:2] = np.mgrid[0:7,0:6].T.reshape(-1,2) # 棋盘格角点坐标
   objpoints = [] # 3D点云
   imgpoints = [] # 2D图像点云
   # 标定图像并提取角点信息
   for fname in images:
   img = cv2.imread(fname)
   gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   ret, corners = cv2.findChessboardCorners(gray, (7,6), None)
   if ret == True:
   objpoints.append(objp)
   imgpoints.append(corners)
   cv2.drawChessboardCorners(img, (7,6), corners, ret)
   # 摄像机标定和畸变校正
   ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, gray.shape[::-1], None, None)
   h,  w = img.shape[:2]
   newcameramtx, roi = cv2.getOptimalNewCameraMatrix(mtx, dist, (w,h), 1, (w,h)) # 获取最优新相机矩阵和感兴趣区域（ROI）
   dst = cv2.undistort(img, mtx, dist, None, newcameramtx) # 畸变校正