Lab 1 | 插值法演算法比較 (Interpolation)
目標
觀察不同數學插值演算法對影像放大後的品質影響。
步驟
- 選取一張小像素圖(例如圖標或文字截圖,越小越明顯)
- 分別使用以下三種方法將圖片放大 4 倍(亦可參考 GitHub 上其他方法):
- Nearest Neighbor (最近鄰插值)
- Bilinear (雙線性插值)
- Bicubic (雙立方插值)
- 將三張結果圖並列,觀察邊緣鋸齒與模糊感
關鍵程式
img_nn = cv2.resize(img, None, fx=4, fy=4, interpolation=cv2.INTER_NEAREST)
img_bi = cv2.resize(img, None, fx=4, fy=4, interpolation=cv2.INTER_LINEAR)
img_bc = cv2.resize(img, None, fx=4, fy=4, interpolation=cv2.INTER_CUBIC)
繳交
展示結果圖,並用 50 字內描述你觀察到的差異。
Lab 2 | 文件透視校正 (Perspective Correction)
目標
利用單應性矩陣 (Homography) 將傾斜拍攝的文件轉為正面俯視圖。
步驟
- 拍攝:用手機拍攝一張放在桌面上的學生證(需有明顯傾斜角度)
- 標記:手動找出文件四個角落在原圖中的座標
src_pts - 計算:定義輸出圖的長寬,設定對應的四個正面座標
dst_pts - 轉換:使用
findHomography計算矩陣,並透過warpPerspective產出矯正後的影像
關鍵程式
import cv2
import numpy as np
src_pts = np.array([[x1,y1],[x2,y2],[x3,y3],[x4,y4]], dtype=np.float32)
dst_pts = np.array([[0,0],[W,0],[W,H],[0,H]], dtype=np.float32)
H, _ = cv2.findHomography(src_pts, dst_pts)
result = cv2.warpPerspective(img, H, (W, H))
繳交
- 原始傾斜圖(含標記點)
- 矯正後的正視圖
Lab 3 | 相機校準與影像校正
作業目標
掌握相機內參矩陣(Intrinsic Matrix)K 與畸變係數(Distortion Coefficients)D 的物理意義。透過棋盤格校準法,學習如何將受鏡頭畸變影響的原始影像,校正為符合針孔相機模型的影像。
實驗內容
- 資料採集:自行列印或開啟棋盤格圖檔,使用相機從不同角度拍攝至少 10-15 張照片
- 參數計算:撰寫程式碼識別棋盤格角點,求出相機內參矩陣 K 與畸變參數 D
- 即時校正:將參數套用於即時影像串流 (Camera Stream),輸出校正後 (Undistorted) 的畫面
- 參數擾動實驗:手動修改校準後的參數(如改變焦距 fx、主點座標或畸變係數),觀察影像產生的變異
關鍵程式
import cv2
import numpy as np
# 1. 抓棋盤格角點 (對每張照片做)
ret, corners = cv2.findChessboardCorners(gray, (9,6), None)
# 2. 校準
ret, K, D, rvecs, tvecs = cv2.calibrateCamera(
objpoints, imgpoints, gray.shape[::-1], None, None)
# 3. 即時校正
undistorted = cv2.undistort(frame, K, D)
繳交
- 參數文件:包含內參矩陣 K (3×3) 與畸變向量 D 的數值資料
- 錄製影片:展示原始與校正影像的對比。可嘗試「手動調整參數」後畫面變化的過程
- 實驗心得:描述影像串流產生的具體物理變異現象
提示:
- 校準時請確保棋盤格涵蓋畫面邊緣,以獲得更準確的畸變參數
- 若相機較高級會自動對焦,請手動關閉(因為會影響相機的校準參數)
參考資源
請參考 OpenCV 官方教學:Camera Calibration 進行開發。