1. 畸变概述：什么是镜头畸变？
大家好，我是你们这门课的主讲。在影像行业摸爬滚打了十几年，我见过太多「看起来很美，一拍就废」的镜头了。今天咱们就来聊聊镜头畸变——这个让无数算法工程师头疼，却又不得不面对的问题。
说白了，镜头畸变就是相机拍出来的直线，在照片里变弯了。你想想看，明明是一堵笔直的墙，拍出来却像弓一样弯出去，这就是畸变在作祟。我当年刚入行时，第一次拿到一款超广角镜头的测试数据，看到那夸张的桶形畸变，差点以为镜头摔坏了。后来才知道，这其实是物理规律使然。
1.1 畸变是怎么产生的？
镜头畸变的根源，在于光学系统的物理限制。理想情况下，我们希望光线穿过镜头后，能完美地投射到传感器上，保持原有的几何关系。但现实是，镜头是由多片透镜组成的复杂系统，每片透镜都会对光线产生折射。
这里有个关键点：镜头边缘的折射角度和中心区域不一样。你想想看，光线从不同角度进入镜头，经过的路径长度不同，折射程度自然也不同。结果就是，画面边缘的物体被「挤」在了一起，或者被「拉」了出去。
核心结论：畸变是镜头光学设计的固有缺陷，任何镜头都有畸变，只是程度不同而已。高端镜头通过复杂的非球面镜片来抑制畸变，但永远无法完全消除。
1.2 畸变的数学模型
搞清楚了「是什么」，咱们来看看「怎么算」。畸变的数学模型主要分为两类：径向畸变和切向畸变。我个人习惯把径向畸变叫做「大头病」，把切向畸变叫做「歪脖子病」——这样好记。
1.2.1 径向畸变
径向畸变是最常见、最明显的畸变类型。它沿着镜头半径方向发生，离中心越远，畸变越严重。具体又分两种：
- 桶形畸变：画面向外膨胀，直线向外弯曲。常见于广角镜头和变焦镜头的广角端。
- 枕形畸变：画面向内收缩，直线向内弯曲。常见于长焦镜头和变焦镜头的长焦端。
我在项目中遇到过一款手机的超广角镜头，桶形畸变严重到画面边缘的建筑物都快弯成圆弧了。当时测试团队还以为是镜头装配出了问题，后来一查设计参数，发现这是为了追求更广的视场角而做的妥协。
径向畸变的数学模型通常用泰勒级数展开来表示：
x_distorted = x * (1 + k1 * r² + k2 * r⁴ + k3 * r⁶)
y_distorted = y * (1 + k1 * r² + k2 * r⁴ + k3 * r⁶)其中：
- (x, y) 是理想的无畸变坐标
- (x_distorted, y_distorted) 是实际的有畸变坐标
- r 是像素到图像中心的距离
- k1, k2, k3 是径向畸变系数
实战经验：对于大多数手机镜头，只用 k1 和 k2 两个参数就够用了。k3 通常用于鱼眼镜头或畸变特别严重的镜头。我曾经为了省事，在某个项目里只标定了 k1，结果校正后的边缘还是有明显的残余畸变——嗯，这里要注意，该用的参数一个都不能省。
1.2.2 切向畸变
切向畸变就没那么直观了。它是由镜头和传感器平面不平行造成的——说白了就是镜头装歪了，或者传感器贴歪了。这种畸变会让直线变成斜线，画面出现「梯形」变形。
切向畸变的数学模型：
x_distorted = x + [2 * p1 * x * y + p2 * (r² + 2 * x²)]
y_distorted = y + [p1 * (r² + 2 * y²) + 2 * p2 * x * y]其中 p1, p2 是切向畸变系数。
避坑指南：我曾经在批量测试一批手机时，发现所有镜头的切向畸变系数都异常大。排查了三天，最后发现是测试工装的夹具把手机夹歪了——不是镜头的问题，是测试环境的问题。所以，当你发现畸变参数异常时，先检查测试设备，别急着怀疑镜头设计。
1.3 畸变参数与标定
上面提到的 k1, k2, k3, p1, p2 这五个参数，就是 OpenCV 中常用的畸变参数。它们共同构成了镜头的畸变模型。实际应用中，我们通过拍摄棋盘格标定板，然后用 OpenCV 的 calibrateCamera() 函数来求解这些参数。
这里我画了一张图，帮你理清畸变的知识体系：
1.4 畸变对成像的影响
畸变不是小事。在普通拍照场景下，你可能觉得画面边缘有点弯无所谓。但在以下场景中，畸变就是致命问题：
| 应用场景 | 畸变影响 | 容忍度 |
|---|---|---|
| 建筑摄影 | 直线变曲线，结构失真 | 极低 |
| 文档扫描 | 文字扭曲，OCR识别率下降 | 低 |
| 机器视觉测量 | 尺寸测量偏差 | 极低（需亚像素精度） |
| 全景拼接 | 拼接处错位，融合失败 | 低 |
| 人像自拍 | 脸部变形（尤其是边缘） | 中等 |
我的建议：如果你在做手机摄像头评测，畸变测试是必选项。我个人习惯用「直线度检测」来快速评估畸变程度——拍一张方格图，看边缘的直线弯曲了多少像素。超过3个像素的畸变，人眼就能察觉了。
1.5 小结
这一章咱们把畸变的基本概念和数学模型讲清楚了。记住几个关键点：
- 畸变是光学系统的固有特性，无法完全消除，只能校正
- 径向畸变是主角，切向畸变是配角
- 五个参数 k1, k2, k3, p1, p2 构成了完整的畸变模型
- 不同应用场景对畸变的容忍度天差地别
下一章，我会带你亲手搭建畸变测试环境，用棋盘格和OpenCV把镜头的「底细」摸清楚。到时候你就知道，那些参数到底是怎么算出来的了。
公众号:蓝海资料掘金营，微信deep3321