我正在尝试验证我的相机校准，所以我想纠正校准图像。我希望这将涉及使用呼叫 warpPerspective 但我没有看到一个明显的功能，它采用相机矩阵，旋转和平移矢量生成此调用的透视矩阵。
基本上我想做所描述的过程 这里 （特别是看到最后的图像），但从已知的相机模型和姿势开始。
是否有一个简单的函数调用，它接受相机的内在和外在参数，并计算透视矩阵以供使用 warpPerspective？
我会打电话的 warpPerspective 打完电话后 undistort 在图像上。
原则上，我可以通过求解在顶部定义的方程组来推导出解 opencv相机校准文档 在指定约束之后 Z=0，但我认为必须有一个固定的例程，允许我对我的测试图像进行正射校正。
在我的搜索中，我发现很难通过所有的立体声校准结果 - 我只有一台摄像机，但想要在我只看平面测试模式的约束条件下纠正图像。
实际上，没有必要涉及正交相机。以下是如何获得适当的透视变换。
如果您使用校准相机 cv::calibrateCamera，你获得了一个相机矩阵 K 透镜畸变系数的向量 D 对于您的相机，以及对于您使用的每个图像，旋转矢量 rvec （您可以将其转换为3x3矩阵 R 运用 cv::rodrigues， DOC）和翻译矢量 T。考虑其中一个图像和相关的图像 R 和 T。你打电话后 cv::undistort 使用失真系数，图像将像投影矩阵的相机一样 K * [ R | T ]。
基本上（如@DavidNilosek直觉），你想要取消旋转并获得图像，好像它是由形式的投影矩阵获取 K * [ I | -C ] 哪里 C=-R.inv()*T 是相机的位置。为此，您必须应用以下转换：
Hr = K * R.inv() * K.inv()
唯一可能的问题是扭曲的图像可能会超出图像平面的可见部分。因此，您可以使用其他翻译来解决该问题，如下所示：
[ 1 0 | ]
Ht = [ 0 1 | -K*C/Cz ]
[ 0 0 | ]
其中Cz是沿Oz轴的C分量。
最后，根据上面的定义， H = Ht * Hr 是对所考虑图像的整流透视变换。
这是“解决方程组”的意思草图（在Python中）：
import cv2
import scipy # I use scipy by habit; numpy would be fine too
#rvec= the rotation vector
#tvec = the translation *emphasized text*matrix
#A = the camera intrinsic
def unit_vector(v):
return v/scipy.sqrt(scipy.sum(v*v))
(fx,fy)=(A[0,0], A[1,1])
Ainv=scipy.array( [ [1.0/fx, 0.0, -A[0,2]/fx],
[ 0.0, 1.0/fy, -A[1,2]/fy],
[ 0.0, 0.0, 1.0] ], dtype=scipy.float32 )
R=cv2.Rodrigues( rvec )
Rinv=scipy.transpose( R )
u=scipy.dot( Rinv, tvec ) # displacement between camera and world coordinate origin, in world coordinates
# corners of the image, for here hard coded
pixel_corners=[ scipy.array( c, dtype=scipy.float32 ) for c in [ (0+0.5,0+0.5,1), (0+0.5,640-0.5,1), (480-0.5,640-0.5,1), (480-0.5,0+0.5,1)] ]
scene_corners=[]
for c in pixel_corners:
lhat=scipy.dot( Rinv, scipy.dot( Ainv, c) ) #direction of the ray that the corner images, in world coordinates
s=u[2]/lhat[2]
# now we have the case that (s*lhat-u)[2]==0,
# i.e. s is how far along the line of sight that we need
# to move to get to the Z==0 plane.
g=s*lhat-u
scene_corners.append( (g[0], g[1]) )
# now we have: 4 pixel_corners (image coordinates), and 4 corresponding scene_coordinates
# can call cv2.getPerspectiveTransform on them and so on..