Image Processing & CV
অধ্যায়Phase 3 · ক্লাসিক্যাল কম্পিউটার ভিশন
3.7 22 মিনিট পড়া

Camera Calibration Basics

Intrinsic ও extrinsic parameters।

🎬 গল্প দিয়ে শুরু
ক্যামেরায় তোলা ছবিতে সরল রেখা বাঁকা দেখায় (lens distortion)। 3D জগতের একটি বস্তু 2D pixel-এ কীভাবে map হয়? এই সব প্রশ্নের উত্তর — Camera Calibration। Computer Vision-কে metric measurement-এ রূপান্তরের চাবি।

Camera Model — Pinhole

আদর্শ pinhole camera-তে 3D point (X,Y,Z) ছবিতে map হয়:

text
x = fx * (X/Z) + cx
y = fy * (Y/Z) + cy

fx, fy = focal length (pixel)
cx, cy = principal point (image center)

এদের বলে intrinsic parameters — ক্যামেরার নিজস্ব।

Extrinsic Parameters

ক্যামেরা পৃথিবীর কোথায়, কোন দিকে তাকিয়ে — এটাই extrinsic (rotation R + translation t)। দুটো মিলে full projection:

text
s · [u v 1]ᵀ = K · [R | t] · [X Y Z 1]ᵀ
K = intrinsic matrix (3x3)

Distortion Coefficients

  • Radial (k1, k2, k3) — barrel/pincushion bending
  • Tangential (p1, p2) — lens মাউন্ট-এ ভুল alignment

Chessboard Calibration

python
calibrate.py
import cv2, numpy as np, glob

CB = (9, 6)                                # inner corners
objp = np.zeros((CB[0]*CB[1], 3), np.float32)
objp[:,:2] = np.mgrid[0:CB[0], 0:CB[1]].T.reshape(-1,2)

objpoints, imgpoints = [], []
for fname in glob.glob("calib/*.jpg"):
    img  = cv2.imread(fname)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, corners = cv2.findChessboardCorners(gray, CB, None)
    if ret:
        objpoints.append(objp)
        corners2 = cv2.cornerSubPix(gray, corners, (11,11), (-1,-1),
                    (cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER, 30, 1e-3))
        imgpoints.append(corners2)

ret, K, dist, rvecs, tvecs = cv2.calibrateCamera(
    objpoints, imgpoints, gray.shape[::-1], None, None)

print("K =\n", K)
print("dist =", dist.ravel())
np.savez("calib.npz", K=K, dist=dist)
ভালো calibration-এর tip
১৫-২০টি ছবি — বিভিন্ন angle, distance, ছবির বিভিন্ন কোণায় chessboard। সব ছবি sharp ও properly lit।

Undistort করা

python
import cv2, numpy as np

data = np.load("calib.npz"); K, dist = data["K"], data["dist"]
img  = cv2.imread("distorted.jpg")
h, w = img.shape[:2]

newK, roi = cv2.getOptimalNewCameraMatrix(K, dist, (w,h), 1, (w,h))
und = cv2.undistort(img, K, dist, None, newK)

x,y,w2,h2 = roi
und = und[y:y+h2, x:x+w2]
cv2.imwrite("undistorted.jpg", und)

কেন এটি গুরুত্বপূর্ণ?

  • AR — virtual object সঠিক angle-এ overlay করতে।
  • Robotics/Drone — pixel → real-world distance।
  • Stereo vision — depth হিসাব আগে দুটি ক্যামেরা calibrate দরকার।
  • Photogrammetry, 3D reconstruction — calibration ছাড়া অসম্ভব।

Phase 3 শেষ — কী শিখলেন?

  • Contour analysis — shape, count, document scan।
  • Feature detection — Harris, Shi-Tomasi, SIFT, ORB।
  • Feature matching — BF, FLANN, Lowe ratio, homography।
  • Optical flow — sparse LK ও dense Farneback।
  • Motion detection ও background subtraction।
  • Camera calibration — pixel থেকে real-world geometry।
পরবর্তী — Phase 4: Video & Real-Time Systems
এখন আপনি classical CV-এর প্রায় পুরোটাই জানেন। পরের Phase-এ আমরা এই tool-গুলো একত্র করে real-time video pipeline — webcam, FPS, threading, object tracker — সব দাঁড় করাবো।
প্র্যাকটিস টাস্ক
  1. প্রিন্ট-করা 9×6 chessboard দিয়ে নিজের webcam calibrate করুন।
  2. Calibration-এর আগে ও পরে straight-line photo compare করুন।
  3. Calibrated camera দিয়ে aruco marker detect করে real-world distance বের করুন (বোনাস)।