1、畸變矯正  

 相機標定完成後，我們得到內參和畸變係數。每次從相機得到一張源圖，我們都需要進行一次畸變矯正。

 之前博主都是採用   undistort函式，直接輸入內參和畸變係數，輸入為源圖，輸出為矯正後的影象。

undistort(picture, dst, intrinsic, distortion_coeff);//這一步驟需要耗費300多ms的時間，為最主要耗費時間的步驟

所以，想辦法優化時間啊。所幸找到了解決辦法。

解決辦法為：

initUndistortRectifyMap(intrinsic, distortion_coeff, Mat(), Mat(),image_size, 0, map1, map2);此函式根據內參和畸變係數，建立了一個查詢表，map1 map2設定為全域性變數，所以這個函式只需要執行一次就好。

remap(picture, dst, map1, map2, CV_INTER_LINEAR, cv::BORDER_CONSTANT, cv::Scalar(0, 0, 0));此函式根據map1 map2進行畸變矯正，時間耗費在10多ms

好的，畸變矯正的加速，就這麼解決了。

2、透視變換

同樣的現象，cv::warpPerspective，一次透視變換的時間，需要耗費100多ms，這顯然也是不能接受的。

解決辦法，原理同上。建立查詢表，一次就好。之後，每張圖片呼叫remap函式。

程式碼奉上。

void perspective_to_maps(const cv::Mat &perspective_mat, const cv::Size img_size,
	cv::Mat &map1, cv::Mat &map2)
{
	// invert the matrix because the transformation maps must be
	// bird's view -> original
	cv::Mat inv_perspective(perspective_mat.inv());
	inv_perspective.convertTo(inv_perspective, CV_32FC1);

	// create XY 2D array
	// (((0, 0), (1, 0), (2, 0), ...),
	//  ((0, 1), (1, 1), (2, 1), ...),
	// ...)
	cv::Mat xy(img_size, CV_32FC2);
	float *pxy = (float*)xy.data;
	for (int y = 0; y < img_size.height; y++)
		for (int x = 0; x < img_size.width; x++)
		{
			*pxy++ = x;
			*pxy++ = y;
		}

	// perspective transformation of the points
	cv::Mat xy_transformed;
	cv::perspectiveTransform(xy, xy_transformed, inv_perspective);

       //Prevent errors when float32 to int16
        float *pmytest = (float*)xy_transformed.data;
	for (int y = 0; y < xy_transformed.rows; y++)
		for (int x = 0; x < xy_transformed.cols; x++)
		{
			if (abs(*pmytest) > 5000) *pmytest = 5000.00;
			pmytest++;
			if (abs(*pmytest) > 5000) *pmytest = 5000.00;
			pmytest++;
		}

	// split x/y to extra maps
	assert(xy_transformed.channels() == 2);
	cv::Mat maps[2]; // map_x, map_y
	cv::split(xy_transformed, maps);

	// remap() with integer maps is faster
	cv::convertMaps(maps[0], maps[1], map1, map2, CV_16SC2);
}
 

3、好的，畸變矯正和透視變換的加速問題解決了。那麼，是否可以把畸變矯正和透視變換放在一起計算呢。經過了解和研究後，是可以的。

程式碼如下：

void perspective_to_maps(const cv::Mat &perspective_mat, const cv::Size img_size, cv::Mat distortion_map1, cv::Mat distortion_map2,
	cv::Mat &map1, cv::Mat &map2)
{
	// invert the matrix because the transformation maps must be
	// bird's view -> original
	cv::Mat inv_perspective(perspective_mat.inv());
	inv_perspective.convertTo(inv_perspective, CV_32FC1);

	// create XY 2D array
	// (((0, 0), (1, 0), (2, 0), ...),
	//  ((0, 1), (1, 1), (2, 1), ...),
	// ...)
	cv::Mat xy(img_size, CV_32FC2);
	float *pxy = (float*)xy.data;
	for (int y = 0; y < img_size.height; y++)
		for (int x = 0; x < img_size.width; x++)
		{
			*pxy++ = x;
			*pxy++ = y;
		}

	// perspective transformation of the points
	cv::Mat xy_transformed;
	cv::perspectiveTransform(xy, xy_transformed, inv_perspective);

       //Prevent errors when float32 to int16
        float *pmytest = (float*)xy_transformed.data;
	for (int y = 0; y < xy_transformed.rows; y++)
		for (int x = 0; x < xy_transformed.cols; x++)
		{
			if (abs(*pmytest) > 5000) *pmytest = 5000.00;
			pmytest++;
			if (abs(*pmytest) > 5000) *pmytest = 5000.00;
			pmytest++;
		}

	// split x/y to extra maps
	assert(xy_transformed.channels() == 2);
	cv::Mat maps[2]; // map_x, map_y
	cv::split(xy_transformed, maps);

	// remap() with integer maps is faster
	//cv::convertMaps(maps[0], maps[1], map1, map2, CV_16SC2);
	cv::convertMaps(maps[0], maps[1], map1, map2, CV_16SC2);

	short int *pt = (short int *)map1.data;
	short int *dispt = (short int *)distortion_map1.data;
	for (int i = 0; i < map1.rows; i++)
	{
		for (int j = 0; j < map1.cols; j++)
		{
			Point tem1;
			tem1.x = *pt++;
			tem1.y = *pt++;
                        if ((tem1.x<0) || (tem1.x>distortion_map1.cols - 1) || (tem1.y<0) || (tem1.y>distortion_map1.rows - 1)) continue;

			int tem2 = (tem1.y*distortion_map1.cols + tem1.x) * 2;
			dispt += tem2;
			Point tem3;
			tem3.x = *dispt++;
			tem3.y = *dispt++;
			dispt -= tem2+2;

			*(--pt) = tem3.y;
			*(--pt) = tem3.x;
			pt++;
			pt++;
		}
	}

}