3. 畸变分类：径向畸变、切向畸变与偏心畸变
聊到镜头畸变，很多刚入行的朋友第一反应就是「画面变弯了」。没错，但这只是表象。我做了这么多年机器视觉，见过太多因为畸变没处理好导致测量精度崩盘的案例。说白了，畸变就是镜头这个光学系统不完美的产物。
今天咱们把畸变拆开揉碎了讲。我个人习惯把畸变分成三大类：径向畸变、切向畸变和偏心畸变。你可能会问，为什么分这么细？因为每种畸变的成因不同，校正方法也不一样。
核心观点：畸变校正的第一步，不是调参数，而是搞清楚你的镜头到底属于哪种畸变类型。
3.1 径向畸变：最常见的「弯」
径向畸变，说白了就是光线通过镜头时，不同半径位置的光线弯曲程度不一样。这是所有镜头都有的毛病，尤其是广角镜头。
径向畸变又分两种：
- 桶形畸变：画面中心向外膨胀，像木桶的形状。常见于广角镜头和变焦镜头的广角端。
- 枕形畸变：画面中心向内收缩，像枕头一样。常见于长焦镜头和变焦镜头的长焦端。
我记得有一次做手机镜头模组检测，客户反馈边缘的螺丝孔位置总是偏。查了半天，发现是镜头工作在广角端，桶形畸变把边缘的螺丝孔往外推了将近3个像素。嗯，这就是典型的径向畸变问题。
数学上，径向畸变可以用一个多项式来描述：
// 径向畸变模型
x_distorted = x * (1 + k1 * r² + k2 * r⁴ + k3 * r⁶)
y_distorted = y * (1 + k1 * r² + k2 * r⁴ + k3 * r⁶)
// 其中 r² = x² + y²，k1、k2、k3 是畸变系数
// 通常只用 k1 和 k2 就够了，k3 用于高畸变镜头这里要注意，r 是像素点到图像中心的距离。离中心越远，畸变越明显。你想想看，边缘的像素被拉得最厉害，所以校正时边缘的精度往往最差。
我的经验：对于普通工业镜头，用 k1 和 k2 两个参数就够了。只有鱼眼镜头那种变态畸变，才需要用到 k3。别盲目增加参数，过拟合反而会让校正效果变差。
3.2 切向畸变：镜头装歪了
切向畸变，也叫薄棱镜畸变。这个名字挺形象的——就像在镜头前面加了一个薄薄的楔形棱镜，把光线往一边偏折。
为什么会这样？说白了就是镜头的光学中心和图像传感器的中心没对齐。可能是镜头安装时偏了，也可能是传感器贴片时歪了。
切向畸变的数学表达是这样的：
// 切向畸变模型
x_distorted = x + [2 * p1 * x * y + p2 * (r² + 2 * x²)]
y_distorted = y + [p1 * (r² + 2 * y²) + 2 * p2 * x * y]
// p1、p2 是切向畸变系数你看，切向畸变和径向畸变的公式完全不同。径向畸变只跟半径 r 有关，而切向畸变跟 x 和 y 的具体位置都有关。这就导致切向畸变会让画面产生一种「拉扯」的感觉，不是单纯的弯曲。
我曾经遇到过一个项目，用工业相机做 PCB 板对位。换了新镜头后，对位精度死活达不到要求。排查到最后，发现是镜头接口的螺纹加工有偏差，导致镜头装上去后光轴偏了0.1度。就这么点偏差，切向畸变就让边缘的定位误差达到了5个像素。
避坑指南：我曾经以为切向畸变只跟镜头有关，后来发现传感器安装也会引入切向畸变。换镜头后一定要重新标定，别偷懒用之前的参数。
3.3 偏心畸变：镜头组内部的「内讧」
偏心畸变，这个名字听起来有点玄乎。其实它是指镜头内部多个镜片之间的光轴没有完全重合。现代镜头通常由好几片镜片组成，每片镜片都有自己的光轴。如果这些光轴没对齐，就会产生偏心畸变。
偏心畸变的表现形式很复杂，它既包含径向分量，也包含切向分量。说白了，它是径向畸变和切向畸变的混合体。
在实际工程中，我们通常不单独建模偏心畸变，而是把它合并到径向和切向畸变模型里一起校正。为什么？因为偏心畸变的参数太多，单独建模容易过拟合，而且计算量也大。
| 畸变类型 | 主要成因 | 典型表现 | 校正参数 |
|---|---|---|---|
| 径向畸变 | 镜头光学设计 | 桶形/枕形弯曲 | k1, k2, k3 |
| 切向畸变 | 镜头与传感器安装偏差 | 画面拉扯、倾斜 | p1, p2 |
| 偏心畸变 | 镜片组光轴未对齐 | 混合畸变，不对称 | 通常合并到前两者 |
3.4 三种畸变的视觉对比
为了让你更直观地理解这三种畸变的区别，我画了一张示意图：
从图上可以看得很清楚：桶形畸变是中心往外鼓，枕形畸变是中心往里凹，而切向畸变是整个画面往一个方向偏。偏心畸变我没单独画，因为它其实是前两种的混合体，表现起来更不规则。
3.5 实际项目中的畸变处理策略
说了这么多理论，咱们聊聊实际怎么干。我个人的工作流程是这样的：
- 先判断畸变类型：拍一张棋盘格照片，看看边缘的格子是弯了还是歪了。弯了是径向，歪了是切向。
- 选择校正模型：普通镜头用 OpenCV 的 5 参数模型（k1, k2, p1, p2）就够了。高畸变镜头再加一个 k3。
- 采集标定数据：至少拍 10-20 张不同角度的棋盘格照片。我建议拍 15 张以上，太少的话标定结果不稳定。
- 验证校正效果：校正后重新拍一张棋盘格，检查边缘的直线是否变直了。如果还有残留畸变，说明模型没选对或者标定数据有问题。
一个小技巧：标定时不要只把棋盘格放在画面中心。我习惯让棋盘格覆盖画面的四个角和中心区域，这样校正出来的参数对全画面都有效。
嗯，关于畸变分类就讲到这里。这三种畸变你搞清楚了，后面讲标定方法时就能理解为什么需要那么多参数了。记住一句话：没有完美的镜头，只有合适的校正。
本章要点回顾：
- 径向畸变：桶形和枕形，用 k 参数校正
- 切向畸变：安装偏差导致，用 p 参数校正
- 偏心畸变：镜片组光轴偏差，通常合并到前两者
- 实际项目中，5 参数模型（k1, k2, p1, p2）是主流选择