RGBD相机模型与图片处理
本文学习自《视觉SLAM十四讲》
图像
灰度图
灰度是描述灰度图像内容的最直接的视觉特征。它指黑白图像中点的颜色深度，范围一般从0到255，白色为255，黑色为0，故黑白图像也称灰度图像。灰度图像矩阵元素的取值通常为[0,255]，因此其数据类型一般为8位无符号整数，这就是人们通常所说的256级灰度。
灰度图：一个像素的灰度可以用8 位整数记录，也就是一个0~255的值。
深度图
当我们要记录的信息更多时，一个字节就不够了。
在RGB-D相机的深度图中，记录了各个像素与相机之间的距离。这个距离通常是以毫米为单位，而RGB-D 相机的量程通常在十几米左右，超过了255。
人们会采用16 位整数（C++ 中的unsigned short）来记录深度图的信息，也就是位于0~65535 的值。换算成米的话，最大可以表示65 米，足够RGB-D 相机使用了。
彩色图
彩色图像的表示则需要通道（channel）的概念。在计算机中，我们用红色、绿色和蓝色这三种颜色的组合来表达任意一种色彩。于是对于每一个像素，就要记录其R、G、B 三个数值，每一个数值就称为一个通道。例如，最常见的彩色图像有三个通道，每个通道都由8 位整数表示。在这种规定下，一个像素占据24 位空间。
通道的数量、顺序都是可以自由定义的。在OpenCV 的彩色图像中，通道的默认顺序是B、G、R。也就是说，当我们得到一个24 位的像素时，前8 位表示蓝色数值，中间8 位为绿色，最后8 位
为红色。同理，亦可使用R、G、B 的顺序表示一个彩色图。如果还想表达图像的透明度，就使用R、G、B、A 四个通道。
RGB彩色图与灰度图之间的转换
彩色图像转换为灰度图像时，需要计算图像中每个像素有效的亮度值，其计算公式为：
Y = 0.299R + 0.578G + 0.114B
双目相机通过视差来计算深度。RGBD相机则可以主动测量每个像素的深度。
- 通过红外结构光（Structured Light）来测量像素距离的。例子有Kinect 1 代、Project Tango 1 代、Intel RealSense 等。
- 通过飞行时间法（Time-of-flight，ToF）原理测量像素距离的。例子有Kinect 2 代和一些现有的ToF 传感器等
RGBD相机原理图
深度图的保存
那么如何从RGBD相机提取像素的深度信息呢？
下面是一个简单的小程序,可以显示像素的深度信息.
#include <iostream>
#include <fstream>
#include <opencv2/opencv.hpp>
using namespace std;
float depthscale = 1.0f/1000; //尺度因子,表示一个像素对应多少实际中的米
int main(int argc, char **argv)
{
cv::Mat depth = cv::imread("img.jpg");
depth.convertTo(depth,CV_32FC1,depthscale); //这个转换很重要
for (int v = 0; v < depth.rows; v++)
{
for (int u = 0; u < depth.cols; u++) {
unsigned int d = depth.ptr<unsigned short>(v)[u]; // 深度值
if (d == 0)
continue; // 为0表示没有测量到
else
{
cout<<d<<"";
if(v%50==0||u%50==0)
cout<<endl;
}
}
}
return 0;
}
ConvertTo()函数
需要注意,其中的ConvertTo函数作用如下:
img: 图像数据来源，其类型为Mat。
注意: 不是所有格式的Mat型数据都能被使用保存为图片，目前OpenCV主要只支持单通道和3通道的图像，并且此时要求其深度为8bit和16bit无符号(即CV_16U)，所以其他一些数据类型是不支持的，比如说float型等。如果Mat类型数据的深度和通道数不满足上面的要求，则需要使用convertTo()函数和cvtColor()函数来进行转换。
convertTo()函数负责转换数据类型不同的Mat，即可以将类似float型的Mat转换到imwrite()函数能够接受的类型。
而cvtColor()函数是负责转换不同通道的Mat，因为该函数的第4个参数就可以设置目的Mat数据的通道数（只是我们一般没有用到它，一般情况下这个函数是用来进行色彩空间转换的）。
另外也可以不用imwrite()函数来存图片数据，可以直接用通用的XML IO接口函数将数据存在XML或者YXML中。
具体含义,缩放并转换到另外一种数据类型：
- dst：目的矩阵；
- type：需要的输出矩阵类型，或者更明确的，是输出矩阵的深度，如果是负值（常用-1）则输出矩阵和输入矩阵类型相同；
- scale:比例因子；
- shift：将输入数组元素按比例缩放后添加的值；
dst(i)=src(i)xscale+(shift,shift,...)
