1. 为什么我们需要图像去畸变?
第一次用手机拍文档时,你可能发现边缘的文字变形了——这就是典型的镜头畸变。在计算机视觉领域,畸变会直接影响特征点匹配、三维重建等任务的精度。比如用无人机做航测时,如果不对图像做校正,拼接出来的地图会出现明显的错位。
镜头畸变主要分为两类:径向畸变和切向畸变。前者就像透过鱼眼镜头看世界,直线会变成曲线;后者则像把图像斜着撕开再拼接,常见于低端摄像头。我用一个简单的实验演示过:在棋盘格上画直线,用普通网络摄像头拍摄后,边缘的直线会明显弯曲。
2. 畸变背后的数学原理
2.1 坐标系转换的链条
图像生成要经历三次坐标转换:从现实世界的三维坐标(世界坐标系)到相机视角的三维坐标(相机坐标系),再到成像平面的二维坐标(图像物理坐标系),最后到像素位置的二维坐标(图像像素坐标系)。畸变就发生在最后两步之间。
举个例子,假设相机内参矩阵是:
camera_matrix = np.array([
[800, 0, 320],
[0, 800, 240],
[0, 0, 1]
])
这里的800是焦距,320和240是光学中心坐标。一个三维点(1,1,5)转换到像素坐标的过程就像把世界地图投影到平面——必然会有失真。
2.2 畸变模型的数学表达
OpenCV使用以下模型描述畸变:
# 径向畸变系数
k1, k2, k3 = 0.1, -0.01, 0.001
# 切向畸变系数
p1, p2 = 0.005, 0.005
具体公式可以理解为:
x_corrected = x(1 + k1*r² + k2*r⁴ + k3*r⁶) + 2p1xy + p2(r²+2x²)
y_corrected = y(1 + k1*r² + k2*r⁴ + k3*r⁶)
4092



被折叠的 条评论
为什么被折叠?



