4. 数学模型：Brown-Conrady畸变模型、除法模型、多项式模型
聊到镜头畸变校正，就绕不开数学模型。说白了，数学就是给畸变“拍X光片”——把肉眼看到的变形，用公式精确描述出来。
我最早接触畸变校正时，觉得公式特别吓人。后来发现，其实就三种主流模型：Brown-Conrady模型、除法模型、多项式模型。今天咱们一个一个拆开讲。
4.1 Brown-Conrady畸变模型
这个模型在工业视觉里用得最多。我习惯叫它“标准模型”。它把畸变拆成两部分：径向畸变和切向畸变。
径向畸变，就是镜头中心往外“鼓”或者往里“缩”。你想想看，广角镜头拍出来的照片，边缘的直线都弯了，这就是径向畸变。
切向畸变，是镜头和成像平面不平行造成的。我在项目中遇到过，相机固定支架稍微歪了一点，拍出来的矩形就变成了梯形。嗯，这就是切向畸变在捣鬼。
公式长这样：
x_distorted = x * (1 + k1*r^2 + k2*r^4 + k3*r^6) + [2*p1*x*y + p2*(r^2 + 2*x^2)]
y_distorted = y * (1 + k1*r^2 + k2*r^4 + k3*r^6) + [p1*(r^2 + 2*y^2) + 2*p2*x*y]其中：
- (x, y) 是理想坐标
- r^2 = x^2 + y^2
- k1, k2, k3 是径向畸变系数
- p1, p2 是切向畸变系数
关键点：k3一般只在鱼眼镜头里用。普通工业镜头，k1和k2就够用了。加太多参数反而容易过拟合。
我的经验：标定时，先只算k1和p1。如果校正后边缘还有明显弯曲，再加k2。我曾经一次性把k1~k6全开了，结果校正完的图像比没校正还奇怪……
4.2 除法模型
这个模型比较“另类”。它把畸变放在分母上。公式很简单：
x_distorted = x / (1 + k * r^2)
y_distorted = y / (1 + k * r^2)只有一个参数k。你想想看，一个参数就能描述畸变？没错，但前提是——畸变比较“干净”。
我在项目中用过除法模型。当时做的是手机镜头模组检测，畸变很小，用除法模型跑一遍，效果和Brown-Conrady差不多。但计算量小了一个数量级。
什么时候用除法模型？
- 畸变比较小（比如<1%）
- 对实时性要求高
- 只需要校正径向畸变
注意：除法模型对切向畸变无能为力。如果你的镜头安装有倾斜，千万别用这个模型。我曾经吃过这个亏，校正完图像中间是直的，边缘还是歪的。
4.3 多项式模型
多项式模型，说白了就是“万能公式”。它用多项式来拟合任意形状的畸变。公式长这样：
x_distorted = x + a0 + a1*x + a2*y + a3*x^2 + a4*x*y + a5*y^2 + ...
y_distorted = y + b0 + b1*x + b2*y + b3*x^2 + b4*x*y + b5*y^2 + ...阶数越高，拟合越准。但要注意，阶数太高容易“过拟合”——对标定板上的点很准，换一个场景就崩了。
我个人习惯用3阶或4阶多项式。5阶以上基本不用，除非是特殊镜头。
| 模型 | 参数数量 | 适用场景 | 计算量 |
|---|---|---|---|
| Brown-Conrady | 5~8个 | 通用工业镜头 | 中等 |
| 除法模型 | 1个 | 小畸变、实时系统 | 低 |
| 多项式模型 | 可变（6~20个） | 特殊镜头、高精度 | 高 |
选型建议：
- 普通工业镜头 → Brown-Conrady（k1, k2, p1, p2）
- 手机镜头/小畸变 → 除法模型
- 鱼眼/广角镜头 → 多项式模型（4阶以上）
4.4 三种模型的对比与选择
我做个简单的总结。你想想看，选模型就像选工具：
- Brown-Conrady：瑞士军刀，什么都能干。我90%的项目都用它。
- 除法模型：小刀，轻便但功能有限。适合嵌入式系统。
- 多项式模型：大砍刀，威力大但不好控制。适合科研或特殊场景。
我曾经在一个项目中，用Brown-Conrady模型校正后，边缘还有0.3像素的残差。换成5阶多项式，残差降到0.05像素。但代价是标定时间从2秒变成了15秒。嗯，这就是trade-off。
避坑指南：标定完成后，一定要做“残差分析”。把标定板上的点投影回去，看看平均误差和最大误差。如果最大误差超过1像素，说明模型选错了或者标定数据有问题。
4.5 知识体系图
下面这张图，是我自己整理的畸变模型选型逻辑。你可以照着它来选：
这张图的核心逻辑就是：先判断畸变大小，再判断畸变类型。选对了模型，标定就成功了一半。
最后说一句：模型只是工具，真正重要的是理解畸变的物理本质。我见过有人用最复杂的模型，标定结果却一塌糊涂——因为连标定板都没放平。嗯，工具再好，基础不能丢。
公众号:蓝海资料掘金营，微信deep3321