普通矫正

相机矫正我们经常会用到，如果没有gpu加速，实际上矫正会很吃力，我们先用普通的矫正

	cv::Mat undistort(cv::Mat img, cv::Mat K, cv::Mat D, int w, int h, float scale = 0.6){cv::Mat Knew = K.clone();//Knew = K.copy()if (scale != 0){Knew.at<double>(0, 0) = Knew.at<double>(0, 0) * scale;Knew.at<double>(1, 1) = Knew.at<double>(1, 1) * scale;}cv::Size size(w, h);cv::Mat map1, map2, dst;int alpha = 0;//cv::Mat NewCameraMatrix = getOptimalNewCameraMatrix(K, D,//	size, alpha, size, 0);cv::fisheye::initUndistortRectifyMap(K, D, cv::Mat(), Knew, size, CV_16SC2, map1, map2);cv::remap(img, dst, map1, map2, cv::INTER_LINEAR);return dst;}

cuda 加速

问题就是cpu吃紧，下面我们还是使用带有cuda的gpu进行加速

#include <opencv2/opencv.hpp>
#include <opencv2/core/cuda.hpp>
#include <opencv2/cudaarithm.hpp>
#include <opencv2/cudawarping.hpp>
#include <opencv2/cudafilters.hpp>// CUDA 核函数：实现畸变校正
__global__ void distortCorrectionKernel(cv::cuda::PtrStep<float> src, cv::cuda::PtrStep<float> dst, float* mapX, float* mapY, int width, int height) {int x = threadIdx.x + blockIdx.x * blockDim.x;int y = threadIdx.y + blockIdx.y * blockDim.y;if (x < width && y < height) {float newX = mapX[y * width + x];float newY = mapY[y * width + x];dst(y, x) = src(newY, newX);}
}
int calc()
int main() {// 读取相机的畸变参数cv::Mat cameraMatrix, distCoeffs;// 假设已经将相机的畸变参数填充到 cameraMatrix 和 distCoeffs 中// 图像大小cv::Size imageSize(640, 480);// 计算畸变校正映射cv::Mat mapX, mapY;cv::initUndistortRectifyMap(cameraMatrix, distCoeffs, cv::Mat(), cv::getOptimalNewCameraMatrix(cameraMatrix, distCoeffs, imageSize, 1, imageSize, 0),imageSize, CV_32FC1, mapX, mapY);// 将映射表上传到 GPUcv::cuda::GpuMat mapX_GPU, mapY_GPU;mapX_GPU.upload(mapX);mapY_GPU.upload(mapY);// 加载输入图像到 GPUcv::cuda::GpuMat srcImage_GPU;// 假设您已经将输入图像加载到 srcImage_GPU 中// 创建输出图像的 GPU 矩阵cv::cuda::GpuMat dstImage_GPU(srcImage_GPU.size(), srcImage_GPU.type());// 在 GPU 上执行畸变校正dim3 block(32, 32);dim3 grid((srcImage_GPU.cols + block.x - 1) / block.x, (srcImage_GPU.rows + block.y - 1) / block.y);distortCorrectionKernel<<<grid, block>>>(srcImage_GPU, dstImage_GPU, mapX_GPU.ptr<float>(), mapY_GPU.ptr<float>(), srcImage_GPU.cols, srcImage_GPU.rows);cudaDeviceSynchronize();// 下载结果到 CPUcv::Mat dstImage;dstImage_GPU.download(dstImage);// 现在您可以在 CPU 上使用校正后的图像了return 0;
}

对于有cuda来说，这样做非常好，因为我们并不是只有一个算法放到cuda上做，而是具有很多算法需要经过cuda，对于这样的程序来说，我们直接使用，速度是最快的