📚 课程目录第1章畸变校正概述

1. 畸变校正概述：视觉测量中的精度起点

做视觉测量这些年，我越来越觉得畸变校正就像盖楼打地基。地基没夯实，上面算法再花哨也白搭。今天咱们就聊聊畸变从哪来、怎么影响精度、为什么校正精度控制这么重要。

说白了，畸变就是镜头这个“光学器件”不完美造成的。理想情况下，光线应该笔直穿过镜头，在传感器上形成完美像点。但现实嘛……总会跑偏。

核心观点：畸变是系统误差，不是随机噪声。这意味着它可以通过建模来补偿——这也是校正能奏效的理论基础。

这是最常见、影响最大的一种。我习惯叫它“桶形/枕形畸变”。原因很简单：镜头曲率导致光线在边缘处偏折角度和中心不一样。

数学上，径向畸变用泰勒级数展开来描述：

x_distorted = x * (1 + k1*r² + k2*r⁴ + k3*r⁶)
y_distorted = y * (1 + k1*r² + k2*r⁴ + k3*r⁶)

其中 r 是像点到主点的距离，k1、k2、k3 是径向畸变系数。嗯，这里要注意：k1 主导边缘畸变，k2、k3 修正更精细的变形。我在项目中遇到过，有些廉价镜头只标定 k1 根本不够，边缘误差能到 5 个像素以上。

这个说白了就是镜头和传感器没装平行。想象一下，你把镜头拧歪了——光线进来就带了个“斜角”。

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 就是切向畸变系数。我刚开始做标定时，总觉得切向畸变影响不大，直到有一次做高精度定位——0.1 像素的偏差都受不了，才发现切向畸变在边缘区域能贡献 2-3 个像素的误差。

这个比较冷门，但确实存在。它来自镜头设计或制造中的微小缺陷，比如镜片厚度不均匀、胶合层有气泡。效果上，它像在光路里塞了个薄棱镜，光线被额外偏折。

实际工程中，薄棱镜畸变通常和切向畸变合并处理。我个人习惯：除非做超高精度测量（误差要求 < 0.01 像素），否则只标定径向+切向就够了。薄棱镜的贡献往往被噪声淹没。

畸变类型	主要来源	典型影响范围	校正参数
径向畸变	镜头曲率	全视场，边缘最严重	k1, k2, k3
切向畸变	装配倾斜	边缘区域，方向性	p1, p2
薄棱镜畸变	制造缺陷	局部区域	s1, s2, s3, s4

你想想看，一个 500 万像素的相机，视场 100mm×100mm。每个像素对应的物理尺寸是 0.05mm。如果畸变在边缘造成 5 个像素的偏移——那就是 0.25mm 的误差。对于精密测量来说，这已经不可接受了。

我遇到过最典型的案例：一个 PCB 板尺寸检测项目，客户要求 ±0.02mm 公差。用未校正的镜头测量，边缘孔距偏差 0.15mm，直接不合格。校正后，偏差降到 0.01mm 以内。你看，畸变校正不是锦上添花，是雪中送炭。

避坑指南：我曾经在一个项目中忽略了变焦镜头的畸变变化。镜头变焦后，畸变参数完全变了，但标定文件没更新。结果测量数据忽大忽小，排查了两天才找到原因。记住：变焦、调光圈、换滤镜后，一定要重新标定。

畸变对测量精度的影响可以归纳为三点：

我见过不少工程师，标定完看一眼重投影误差 0.5 像素就觉得“差不多了”。但你要知道，重投影误差只是平均指标。边缘区域的局部误差可能比中心大 3-5 倍。

校正精度控制，说白了就是回答三个问题：

我的经验：校正精度控制不是一次性的。标定板质量、光照条件、标定图像数量、算法选择——每个环节都会影响最终精度。我习惯在项目初期就定一个“精度预算”，把畸变校正的误差控制在总误差预算的 20% 以内。

举个例子：一个视觉测量系统总误差要求 0.05mm。如果相机分辨率是 0.01mm/pixel，那么畸变校正后的残余误差应该控制在 0.01mm（1 像素）以内。这样其他环节（边缘提取、标定误差、温度漂移）才有余量。

这张图把本章的知识体系串起来了。左边是畸变来源，中间是影响，右边是控制方法。你仔细看，这三者不是孤立的——来源决定了影响的性质，影响的程度决定了控制的目标。

好了，这一章就聊到这儿。畸变校正不是玄学，是工程。搞清楚来源、影响、控制目标，后面几章咱们再深入具体的方法和实战技巧。