圖像添加徑向畸變

通常攝像機的鏡頭都會有鏡頭畸變，尤其是廣角鏡頭，在做圖像處理中往往會通過攝像機標定獲取鏡頭的畸變系數，然后進行畸變校正。而在某些特殊的情況下，你可能會需要往圖像中加入畸變，下面簡單實現了一個向無畸變圖像中人為加入徑向畸變。

仍然以這幅風景圖為例，我用手機拍攝的，畸變程度可以忽略：

 

1.人為加入桶形畸變（邊緣放大率小於中心放大率，導致邊緣像素點向圖像中心移動）

 

視場縮放

 

2.人為加入枕形畸變（邊緣放大率大於中心放大率，導致邊緣像素點遠離圖像中心移動）

視場縮放

 

 代碼實現如下，使用3D warping和雙線性插值。加入桶形畸變disK=0.5，加入枕形畸變disk=-0.5，改變歸一化焦距fx,fy實現視場的縮放，如fx=fx*scale和fy=fy*scale。

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

using namespace std;
using namespace cv;

void distortImg(const Mat &srcImg, Mat &dstImg, const float fx, const float fy, const float cx, const float cy)
{
    int imgHeight=srcImg.rows;
    int imgWidth=srcImg.cols;

    float disK=0.5;

    uchar* pSrcData=(uchar*)srcImg.data;
    uchar* pDstData=(uchar*)dstImg.data;
    for (int j=0; j<imgHeight; j++)
    {
        for (int i=0; i<imgWidth; i++)
        {
            //轉到攝像機坐標系
            float X=(i-cx)/fx;
            float Y=(j-cy)/fy;
            float r2=X*X+Y*Y;
            //加上畸變
            float newX=X*(1+disK*r2);
            float newY=Y*(1+disK*r2);
            //再轉到圖像坐標系
            float u=newX*fx+cx;
            float v=newY*fy+cy;
            //雙線性插值
            int u0=floor(u);
            int v0=floor(v);
            int u1=u0+1;
            int v1=v0+1;

            float dx=u-u0;
            float dy=v-v0;
            float weight1=(1-dx)*(1-dy);
            float weight2=dx*(1-dy);
            float weight3=(1-dx)*dy;
            float weight4=dx*dy;

            int resultIdx=j*imgWidth*3+i*3;
            if (u0>=0 && u1<imgWidth && v0>=0 && v1<imgHeight)
            {
                 pDstData[resultIdx+0]=weight1*pSrcData[v0*imgWidth*3 + u0*3+0]+weight2*pSrcData[v0*imgWidth*3+u1*3+0]
                    +weight3*pSrcData[v1*imgWidth*3 +u0*3+0]+weight4*pSrcData[v1*imgWidth*3 + u1*3+0];
                 pDstData[resultIdx+1]=weight1*pSrcData[v0*imgWidth*3 + u0*3+1]+weight2*pSrcData[v0*imgWidth*3+u1*3+1]
                    +weight3*pSrcData[v1*imgWidth*3 +u0*3+1]+weight4*pSrcData[v1*imgWidth*3 + u1*3+1];
                 pDstData[resultIdx+2]=weight1*pSrcData[v0*imgWidth*3 + u0*3+2]+weight2*pSrcData[v0*imgWidth*3+u1*3+2]
                    +weight3*pSrcData[v1*imgWidth*3 +u0*3+2]+weight4*pSrcData[v1*imgWidth*3 + u1*3+2];
            }
        }
    }
}

void main()
{
    string imgPath="data/source_images/";
    Mat srcImg = imread(imgPath+"moon.jpg");
    pyrDown(srcImg, srcImg);
    pyrDown(srcImg, srcImg);

    Mat dstImg = srcImg.clone();
    dstImg.setTo(0);

    namedWindow("showImg",0);
    imshow("showImg", srcImg);
    waitKey(0);

    float fx=930.965;
    float fy=930.884;
    float cx=513.823;
    float cy=385.656;

    distortImg(srcImg, dstImg, fx, fy, cx, cy);

    imshow("showImg", dstImg);
    waitKey(0);
}