Ⅰ 求魚眼鏡頭全景圖像校正演算法的matlab代碼
（一） opencv裡面攝像機標定計算內參數矩陣用的是張正友標定法，非常經典，MATLAB標定工具箱也是用的該方法。具體的標定過程可以參見張正友的原文： http://research.microsoft.com/en-us/um/people/zhang/Papers/TR98-71.pdf。或者參考博文：http://hi..com/chb_seaok/item/62179235eef8873c2e20c40b
（二） 基於opencv的攝像機標定用的主要函數有：
cvFindChessboardCorners：提取一幅圖片上的所有角點。
cvFindCornerSubPix：亞像素精確化。
cvDrawChessboardCorners：顯示角點。
cvCalibrateCamera2：標定攝像機參數，求出內參數矩陣，畸變系數，旋轉向量和平移向量。
校正主要用的函數有2個：
cvInitUndistortMap：根據cvCalibrateCamera2計算出來的內參數矩陣和畸變系數計算畸變映射。
cvRemap：根據畸變映射校正圖像。
（三）詳細的過程及參考書籍：
1、《基於OpenCV的計算機視覺技術實現》 陳勝勇，劉盛編著 科學出版社,2008；(該書用OpenCV 1.0庫，第14章詳細介紹如何用opencv進行攝像機標定，包括攝像機標定的原理，opencv相關庫函數詳細的介紹以及例子)
2、《學習OpenCV（中文版）》 於仕琪譯 清華大學出版社,2009；(OpenCV 2.0庫，第11、12章詳細介紹如何進行攝像機標定以及三維重建)
3、OpenCV的標定參數中，對於鏡頭畸變採用的方法是Brown博士在71年發表的文章中提到的。
（四）MATLAB標定也在這里提一下：
http://www.vision.caltech.e/bouguetj/calib_doc/index.html#examples，該網站有很詳細的使用說明
matlab標定工具箱來進行標定，它也是基於張正友的平面標定方法的，有誤差分析、標定結果三維重建、重投影計算角點等功能 。
Matlab中的鏡頭畸變參數採用基於Heikkil博士提出的方法，將非線性干擾因素引入到內外參數的求解過程。標定的過程需要手動選取四個角點，標定圖片拍攝的多的話，比較麻煩。
（五）實驗結果
自己買了個手機魚眼鏡頭，拍攝了16幅標定板圖片。注意拍攝的角度不要和成像平面平行。
示常式序049--攝像機標定和魚眼校正
Ⅱ 攝像頭成像3A演算法及控制技術
3A技術即自動對焦（AF）、自動曝光（AE）和自動白平衡（AWB）。3A數字成像技術利用了AF自動對焦演算法、AE自動曝光演算法及AWB自動白平衡演算法來實現圖像對比度最大、改善主體拍攝物過曝光或曝光不足情況、使畫面在不同光線照射下的色差得到補償，從而呈現較高畫質的圖像信息。採用了3A數字成像技術的攝像機能夠很好的保障圖像精準的色彩還原度，呈現完美的日夜監控效果。
AF自動對焦
自動對焦即調節攝像頭焦距自動得到清晰的圖像的過程。
自動對焦演算法（AF）是通過既得圖像對比度移動鏡頭使圖像對比度達到最大。總的來說，自動對焦技術就是通過調整聚焦鏡頭的位置獲得最高的圖像頻率成分，得到更高的圖像對比度。其中，獲得最佳的對焦點是一個不斷積累的過程，它通過比較每一幀圖像的對比度從而獲得鏡頭移動范圍內最大的對比度點，進而確定對焦距離。
AF演算法的基本步驟是先判斷圖像的模糊程度，通過合適的模糊度評價函數求得採集的每一副圖像的評價值, 然後通過搜索演算法得到一系列評價值的峰值, 最後通過電機驅動將採集設備調節到峰值所在的位置, 得到最清晰的圖像, 演算法的關鍵在於達到准確度和速度的平衡, 同時演算法的精度受到軟體演算法和硬體精度的雙重影響。
對焦評價函數
評價函數有很多種, 主要考慮的圖像因素有圖像頻率(清晰的圖像紋理多, 高頻分布較多), 還有圖像的灰度分量的分布(圖像對應的灰度圖的分量分布范圍越大,說明圖像的細節較多, 反應的圖像的清晰程度)
合適的搜索窗口結合搜索演算法
常用的搜索演算法有爬山演算法, 搜索窗口有黃金分割點對焦嵌套窗口等。
AE自動曝光
自動曝光的是為了使感光器件獲得合適的曝光量。
自動曝光演算法(AE)將根據可用的光源條件自動設置曝光值。當主體拍攝物和背景的亮度相差很大時，一般會造成主體拍攝物的過曝光或曝光不足，為了克服這個問題，一些特定的AE演算法著重考慮了主體拍攝物的亮度情況，在進行亮度調整時給予這部分更多的比重。
一般的演算法通過獲取圖像的亮度調節相應的曝光參數，得到合適的曝光量. 曝光參數包括光圈大小, 快門速度和攝像頭感測器的亮度增益.
即一般AE演算法步驟包括:
獲取圖像亮度, 可採用的方法有,
1.平均亮度
2.分區加權平均亮度
分區域加權的目的在於將曝光重點放在屏幕中央
3.設置不同亮度門限, 對背光, 正光和強光區域進行區分
4.對主要對象進行曝光補償
調整參數的主要方法有,
1.查表法
系統內部預先存儲了一張曝光參數調整的步長與圖像亮度之間的關系的查找表, 通過亮度值改變調整量。
2.迭代法
3.數值計演算法
AWB自動白平衡
白平衡的本質是使白色物體在任何光源下都顯示白色。
自動白平衡演算法(AWB)根據光源條件調整圖片顏色的保真程度。物體在不同光線照射下會出現不同程度的色差，一般將一幅圖像的整體色差信號用作色溫數據，當這幅圖像的大部分區域被一個統一的顏色覆蓋時，這種色彩補償就可能損失一部分完整的色彩。為了彌補這個缺陷，一些特定的AWB演算法被提出來以適應不同的色溫情況。
一般的演算法通過調節白平衡增益, 使拍攝畫面的顏色接近物體真實的顏色, 增益調節的根據是環境光源的色溫。
一般AWB演算法的步驟:
估算環境光色溫, 經典演算法包括:
1.灰度世界假設演算法
對於一幅含有大量色彩的圖片, 其顏色分量的均值
R¯,G¯,B¯
趨向於同一灰度K, 基於該假設的演算法在圖像色彩分布均勻時, 效果理想; 分布不均時, 效果失常。
2.白塊假設演算法
認為圖像中最亮的點是白色點。一些演算法提取圖像中的顏色特徵, 直接轉換到色溫坐標下進行色溫估計, 實際圖像中的色溫基本是混合色溫, 在實際應用中的這種演算法實現不多。
計算增益並調節
比如, 增益調節最簡單的方式, 通過求取圖像的平均顏色分量對應的增益：
α=G¯/R¯,β=G¯/B¯
然後, 對整副圖的RGB分量進行調整：
R′=αR,G′=G,B′=βB