1. 相机成像原理：从光线到像素的奇妙旅程
大家好，我是你们这门课的老师。今天咱们来聊聊相机成像原理——说白了，就是搞明白「光线是怎么变成照片的」。这个基础打不牢，后面做标定和三维重建就容易踩坑。我自己刚入行时也在这上面吃过亏，所以今天咱们好好捋一捋。
1.1 小孔成像模型：最朴素的相机
先说说最原始的小孔成像。你想想看，一个黑盒子，前面戳个小孔，光线穿过小孔，在后面的屏幕上形成倒立的像。这就是相机最根本的原理。
为什么像是倒立的？因为光线是直线传播的。物体上方的光线穿过小孔打到屏幕下方，下方的光线打到上方，自然就颠倒了。嗯，这个大家初中物理都学过。
小孔成像有个关键参数——像距（小孔到屏幕的距离）。像距决定了成像的大小。物体离得越远，像越小；小孔离屏幕越远，像越大。这个关系很简单：
像的大小 / 物体的大小 = 像距 / 物距我在项目中遇到过用针孔相机做实验的情况。说实话，小孔成像虽然原理简单，但实际用起来问题不少——小孔太小，进光量不足，图像太暗；小孔太大，图像又模糊。所以现代相机都不这么干了。
1.2 针孔相机模型：理想化的数学抽象
针孔相机模型，其实就是把小孔成像数学化了。它假设光线严格直线传播，没有畸变，没有模糊。说白了，这是一个理想化的模型。
在这个模型里，我们引入几个关键概念：
- 光心：相当于小孔的位置，记作 O
- 主光轴：过光心且垂直于成像平面的直线
- 焦距 f：光心到成像平面的距离
- 成像平面：感光元件所在的位置
数学上，针孔相机模型可以用一个 3x4 的投影矩阵来表示。这个矩阵把三维世界中的点 (X, Y, Z) 映射到二维图像上的点 (u, v)。公式长这样：
s * [u, v, 1]^T = K * [R | t] * [X, Y, Z, 1]^T其中：
- s 是尺度因子（深度信息）
- K 是相机内参矩阵（焦距、主点等）
- [R | t] 是相机外参（旋转和平移）
我个人习惯把内参矩阵 K 记成「相机自己的参数」，外参 [R | t] 记成「相机在世界中的位置」。这样好理解多了。
1.3 透镜畸变：现实世界的无奈
理想很丰满，现实很骨感。针孔相机模型假设光线完美直线传播，但实际相机用的是透镜。透镜嘛，总会带来各种畸变。我最早做标定时，就因为这个畸变没处理好，重建出来的三维模型歪歪扭扭的，跟哈哈镜似的。
畸变主要分两种：径向畸变和切向畸变。
1.3.1 径向畸变
径向畸变是透镜形状引起的。说白了，就是透镜边缘和中心对光线的折射程度不一样。离光轴越远，畸变越明显。
径向畸变有两种：
- 桶形畸变：图像边缘向外凸出，像木桶一样。广角镜头常见。
- 枕形畸变：图像边缘向内凹陷，像枕头一样。长焦镜头常见。
数学上，径向畸变用三个参数 k1, k2, k3 来描述。校正公式是：
x_corrected = x * (1 + k1*r^2 + k2*r^4 + k3*r^6)
y_corrected = y * (1 + k1*r^2 + k2*r^4 + k3*r^6)其中 r 是像素点到光心的距离。注意，k3 一般只在畸变特别严重时才用，比如鱼眼镜头。
1.3.2 切向畸变
切向畸变是透镜和成像平面不平行引起的。说白了，就是镜头装歪了。这种情况在工业相机中比较常见，尤其是那些便宜货。
切向畸变用两个参数 p1, p2 来描述：
x_corrected = x + [2*p1*x*y + p2*(r^2 + 2*x^2)]
y_corrected = y + [p1*(r^2 + 2*y^2) + 2*p2*x*y]嗯，公式看着有点复杂，但 OpenCV 已经帮我们封装好了。你只需要提供畸变参数向量 [k1, k2, p1, p2, k3] 给 cv::undistort() 函数就行。
1.4 相机坐标系与世界坐标系
搞清楚了畸变，咱们再来看看坐标系。这是三维重建中最容易搞混的地方。我见过不少新手，坐标系没理清，重建出来的模型位置全乱套了。
相机成像涉及四个坐标系：
| 坐标系 | 说明 | 单位 |
|---|---|---|
| 世界坐标系 | 描述物体在真实世界中的位置，是全局参考系 | 米/毫米 |
| 相机坐标系 | 以相机光心为原点，Z轴指向镜头前方 | 米/毫米 |
| 图像坐标系 | 在成像平面上，以光轴与平面的交点为原点 | 毫米 |
| 像素坐标系 | 在图像上，以左上角为原点，单位是像素 | 像素 |
它们之间的转换关系是这样的：
- 世界 → 相机：通过外参 [R | t] 变换。R 是旋转矩阵，t 是平移向量。
- 相机 → 图像：通过内参 K 投影。把三维点投影到二维平面上。
- 图像 → 像素：通过缩放和平移，把物理尺寸变成像素坐标。
举个例子。假设世界坐标系中有一个点 P = (X, Y, Z)。它在相机坐标系中的坐标是：
P_cam = R * P + t然后投影到图像平面：
x = f * X_cam / Z_cam
y = f * Y_cam / Z_cam最后转成像素坐标：
u = fx * x + cx
v = fy * y + cy其中 fx, fy 是焦距的像素表示，cx, cy 是主点坐标。
1.5 总结一下
今天咱们讲了相机成像的四个核心概念：
- 小孔成像模型：最朴素的成像原理，光线直线传播
- 针孔相机模型：数学化的理想模型，是标定的理论基础
- 透镜畸变：径向畸变（桶形/枕形）和切向畸变（镜头装歪）
- 坐标系变换：世界→相机→图像→像素，四步走
这些概念看着多，但说白了就是一件事——搞清楚光线是怎么从物体跑到像素上的。后面讲相机标定时，我们会用 OpenCV 把这些公式一一实现。到时候你会发现，数学公式虽然枯燥，但跑通代码的那一刻，还是挺有成就感的。
下一章咱们聊标定板的制作和图像采集。记得提前打印好棋盘格，咱们动手干起来。