文章目錄
一、去畸變的分類：
1.1.在普通相機cv模型中，畸變系數主要有下面幾個：(k1; k2; p1; p2[; k3[; k4; k5; k6]] ，其中最常用的是前面四個，k1,k2為徑向畸變系數，p1,p2為切向畸變系數。
2.在fisheye模型中，畸變系數主要有下面幾個（k1,k2,k3,k4）
這篇文章主要介紹普通相機cv模型
二、去畸變的兩種方法
其實去畸變可以分為有兩種方法（每種方法均給出參數鏈接，有興趣可以跳轉查看）
1.getOptimalNewCameraMatrix+undistort（本篇文章簡寫為GU）
2.getOptimalNewCameraMatrix+initUndistortRectifyMap+remap（本篇文章簡寫為GIR）
區別：GU方法中的undistort其實是第二種方法GIR中initUndistortRectifyMap+remap的結合，在調用undistort函數的時候，內部其實就是在調用initUndistortRectifyMap+remap。
使用范圍：對於一張圖片，GU方法和GIR方法都可以使用，但是當圖片多的時候，GU方法就會浪費時間，因為initUndistortRectifyMap()這個函數在處理多個圖片時，他的輸出（mapx、mapy）其實只要計算一次就夠了，然后把（mapx、mapy）作為remap的其中兩個輸入進行畸變校正，只需要多次調用remap即可。
三、函數分析
1.**alpha**參數
這里主要說一下getOptimalNewCameraMatrix()函數中的alpha參數，他的大小在0~1之間，如果
alpha=1，原圖像的所有像素能夠得到保留，也就是在去畸變之后會出現黑色區域；alpha=0，會將黑色像素去除；在0~1之間，會按照比例重新計算fx,fy,cx,cy。這里alpha的取值，其實是在改變inner和outer矩陣
事實上，內矩陣inner（alpha=0）等同於不含任何黑色邊框的圖幅大小，而外矩陣outer（alpha=1）等同於原圖大小
圖片引用自一篇文章（https://blog.csdn.net/a472609409/article/details/90515742）
圖一
圖二
2.**initUndistortRectifyMap()**函數
1.cameraMatrix：輸入相機矩陣
2.distCoeffs：輸入參數，相機的畸變系數：(k1,k2,p1,p2[,k3[,k4,k5,k6[,s1,s2,s3,s4[,τx,τy]]]])，有4，5,8,12或14個元素。如果這個向量是空的，就認為是零畸變系數。
3.R：可選的修正變換矩陣，是個3*3的矩陣。通過stereoRectify計算得來的R1或R2可以放在這里。如果這個矩陣是空的，就假設為單位矩陣。在cvInitUndistortMap中，R被認為是單位矩陣。
4.newCameraMatrix：新的相機矩陣
5.size：未畸變的圖像尺寸。
6.m1type：第一個輸出的映射的類型，可以為 CV_32FC1, CV_32FC2或CV_16SC2，參見cv::convertMaps。
7.map1：第一個輸出映射。
8.map2：第二個輸出映射。
3.**undistort()**函數
如果undistort函數的最后一個參數使用原相機內參，那么得到的結果就是上面圖1的結果，相當於alpha=0的情況。
如果undistort函數的最后一個參數使用getOptimalNewCameraMatrix計算出來的新矩陣，那么得到損失像素后的圖像，也就是當alpha=1時，得到上面圖2的結果。
四、總結
好了，對於圖片的矯正，還有兩個函數，分別是getOptimalNewCameraMatrix，remap，不過這兩個函數沒有太多太容易出錯的地方，根據上面給出的參數鏈接就可以寫對。
目前這篇文章只是對圖像進行去畸變，如果要對某一個像素點進行去畸變，可以參考引用5，里面有具體介紹！
目前學到這些，后續我也要對某一個像素點進行去畸變，到時候再進行更新！
五、引用
感謝下列文章的幫助：
1.https://www.cnblogs.com/riddick/p/6711263.html
2.https://blog.csdn.net/a472609409/article/details/90515742
3.https://blog.csdn.net/u013341645/article/details/78710740
4.https://zhuanlan.zhihu.com/p/74133719
5.https://zhuanlan.zhihu.com/p/137053640（該篇文章使用C++進行編寫，但是內容還是排版都看到很舒服）
6.https://www.jianshu.com/p/6daa8dbbfa30（該篇文章主要對畸變函數進行比較）