Ⅰ 求鱼眼镜头全景图像校正算法的matlab代码
（一） opencv里面摄像机标定计算内参数矩阵用的是张正友标定法，非常经典，MATLAB标定工具箱也是用的该方法。具体的标定过程可以参见张正友的原文： http://research.microsoft.com/en-us/um/people/zhang/Papers/TR98-71.pdf。或者参考博文：http://hi..com/chb_seaok/item/62179235eef8873c2e20c40b
（二） 基于opencv的摄像机标定用的主要函数有：
cvFindChessboardCorners：提取一幅图片上的所有角点。
cvFindCornerSubPix：亚像素精确化。
cvDrawChessboardCorners：显示角点。
cvCalibrateCamera2：标定摄像机参数，求出内参数矩阵，畸变系数，旋转向量和平移向量。
校正主要用的函数有2个：
cvInitUndistortMap：根据cvCalibrateCamera2计算出来的内参数矩阵和畸变系数计算畸变映射。
cvRemap：根据畸变映射校正图像。
（三）详细的过程及参考书籍：
1、《基于OpenCV的计算机视觉技术实现》 陈胜勇，刘盛编着 科学出版社,2008；(该书用OpenCV 1.0库，第14章详细介绍如何用opencv进行摄像机标定，包括摄像机标定的原理，opencv相关库函数详细的介绍以及例子)
2、《学习OpenCV（中文版）》 于仕琪译 清华大学出版社,2009；(OpenCV 2.0库，第11、12章详细介绍如何进行摄像机标定以及三维重建)
3、OpenCV的标定参数中，对于镜头畸变采用的方法是Brown博士在71年发表的文章中提到的。
（四）MATLAB标定也在这里提一下：
http://www.vision.caltech.e/bouguetj/calib_doc/index.html#examples，该网站有很详细的使用说明
matlab标定工具箱来进行标定，它也是基于张正友的平面标定方法的，有误差分析、标定结果三维重建、重投影计算角点等功能 。
Matlab中的镜头畸变参数采用基于Heikkil博士提出的方法，将非线性干扰因素引入到内外参数的求解过程。标定的过程需要手动选取四个角点，标定图片拍摄的多的话，比较麻烦。
（五）实验结果
自己买了个手机鱼眼镜头，拍摄了16幅标定板图片。注意拍摄的角度不要和成像平面平行。
示例程序049--摄像机标定和鱼眼校正
Ⅱ 摄像头成像3A算法及控制技术
3A技术即自动对焦（AF）、自动曝光（AE）和自动白平衡（AWB）。3A数字成像技术利用了AF自动对焦算法、AE自动曝光算法及AWB自动白平衡算法来实现图像对比度最大、改善主体拍摄物过曝光或曝光不足情况、使画面在不同光线照射下的色差得到补偿，从而呈现较高画质的图像信息。采用了3A数字成像技术的摄像机能够很好的保障图像精准的色彩还原度，呈现完美的日夜监控效果。
AF自动对焦
自动对焦即调节摄像头焦距自动得到清晰的图像的过程。
自动对焦算法（AF）是通过既得图像对比度移动镜头使图像对比度达到最大。总的来说，自动对焦技术就是通过调整聚焦镜头的位置获得最高的图像频率成分，得到更高的图像对比度。其中，获得最佳的对焦点是一个不断积累的过程，它通过比较每一帧图像的对比度从而获得镜头移动范围内最大的对比度点，进而确定对焦距离。
AF算法的基本步骤是先判断图像的模糊程度，通过合适的模糊度评价函数求得采集的每一副图像的评价值, 然后通过搜索算法得到一系列评价值的峰值, 最后通过电机驱动将采集设备调节到峰值所在的位置, 得到最清晰的图像, 算法的关键在于达到准确度和速度的平衡, 同时算法的精度受到软件算法和硬件精度的双重影响。
对焦评价函数
评价函数有很多种, 主要考虑的图像因素有图像频率(清晰的图像纹理多, 高频分布较多), 还有图像的灰度分量的分布(图像对应的灰度图的分量分布范围越大,说明图像的细节较多, 反应的图像的清晰程度)
合适的搜索窗口结合搜索算法
常用的搜索算法有爬山算法, 搜索窗口有黄金分割点对焦嵌套窗口等。
AE自动曝光
自动曝光的是为了使感光器件获得合适的曝光量。
自动曝光算法(AE)将根据可用的光源条件自动设置曝光值。当主体拍摄物和背景的亮度相差很大时，一般会造成主体拍摄物的过曝光或曝光不足，为了克服这个问题，一些特定的AE算法着重考虑了主体拍摄物的亮度情况，在进行亮度调整时给予这部分更多的比重。
一般的算法通过获取图像的亮度调节相应的曝光参数，得到合适的曝光量. 曝光参数包括光圈大小, 快门速度和摄像头传感器的亮度增益.
即一般AE算法步骤包括:
获取图像亮度, 可采用的方法有,
1.平均亮度
2.分区加权平均亮度
分区域加权的目的在于将曝光重点放在屏幕中央
3.设置不同亮度门限, 对背光, 正光和强光区域进行区分
4.对主要对象进行曝光补偿
调整参数的主要方法有,
1.查表法
系统内部预先存储了一张曝光参数调整的步长与图像亮度之间的关系的查找表, 通过亮度值改变调整量。
2.迭代法
3.数值计算法
AWB自动白平衡
白平衡的本质是使白色物体在任何光源下都显示白色。
自动白平衡算法(AWB)根据光源条件调整图片颜色的保真程度。物体在不同光线照射下会出现不同程度的色差，一般将一幅图像的整体色差信号用作色温数据，当这幅图像的大部分区域被一个统一的颜色覆盖时，这种色彩补偿就可能损失一部分完整的色彩。为了弥补这个缺陷，一些特定的AWB算法被提出来以适应不同的色温情况。
一般的算法通过调节白平衡增益, 使拍摄画面的颜色接近物体真实的颜色, 增益调节的根据是环境光源的色温。
一般AWB算法的步骤:
估算环境光色温, 经典算法包括:
1.灰度世界假设算法
对于一幅含有大量色彩的图片, 其颜色分量的均值
R¯,G¯,B¯
趋向于同一灰度K, 基于该假设的算法在图像色彩分布均匀时, 效果理想; 分布不均时, 效果失常。
2.白块假设算法
认为图像中最亮的点是白色点。一些算法提取图像中的颜色特征, 直接转换到色温坐标下进行色温估计, 实际图像中的色温基本是混合色温, 在实际应用中的这种算法实现不多。
计算增益并调节
比如, 增益调节最简单的方式, 通过求取图像的平均颜色分量对应的增益：
α=G¯/R¯,β=G¯/B¯
然后, 对整副图的RGB分量进行调整：
R′=αR,G′=G,B′=βB