📚 课程目录第1章鱼眼镜头基础

鱼眼镜头基础：从诞生到应用

大家好，我是你们这门课的主讲。在正式开始讲畸变模型和校正算法之前，我觉得有必要先聊聊鱼眼镜头本身。你想想看，一个能把180度甚至更大视野塞进传感器里的东西，它背后的光学原理和普通镜头到底差在哪？这可不是简单的「广角」两个字能概括的。

鱼眼镜头的历史，说白了就是人类不断拓宽「视界」边界的过程。我最早接触这个领域时，翻过一些老文献，发现它的起点其实挺有意思的。

1906年：概念萌芽——美国物理学家Robert W. Wood提出了「鱼眼镜头」的构想。他注意到鱼在水下能看到水面上方半球形的全部景象，于是尝试用装满水的针孔相机模拟这种效果。嗯，虽然当时没造出实用产品，但方向定下来了。
1924年：第一支量产镜头——Beck公司为气象研究制造了「Hill Sky Lens」，专门用来拍摄整个天空的云层分布。我记得读到过，这支镜头的视场角达到了180度，但画质嘛……只能说能用。
1960年代：日本厂商发力——Nikon在1962年推出了Nikkor 8mm f/8鱼眼镜头，这是第一款面向消费市场的鱼眼镜头。我有个收藏老镜头的朋友，至今还拿它当宝贝。
1990年代至今：数字化与算法时代——随着CMOS传感器和计算摄影的兴起，鱼眼镜头不再只是「拍着玩」的玩具。它开始大规模进入车载环视、安防监控、VR内容制作等领域。这时候，畸变校正就不再是光学设计师一个人的事了，我们做算法的也得深度介入。

关键转折点：2000年以后，鱼眼镜头的应用场景从「艺术创作」转向「工程感知」。这意味着，我们不再容忍它天生的桶形畸变，而是要想办法把它「掰直」——这就是本课程的核心价值所在。

我个人习惯把鱼眼镜头的应用分成三大类。你在项目中遇到的需求，基本都能归到这三类里。

举个例子，我在做车载环视项目时，遇到过一个问题：四个鱼眼相机拼接出来的俯视图，在靠近车身的地方总是有重影。后来排查发现，不是标定板没放平，而是鱼眼镜头的畸变模型选错了——我们用了普通的径向畸变模型，但鱼眼镜头需要更复杂的模型（比如等距投影模型）。这个坑，我后面会专门讲。

这个问题，我建议你从「投影模型」的角度去理解。普通镜头（也就是我们常说的透视镜头）遵循的是透视投影，也叫针孔模型。它的核心约束是：入射光线必须穿过光心，在像平面上形成倒立的实像。

但鱼眼镜头不一样。它的设计目标是把更大角度的光线「压」进传感器。怎么压？通过前组镜片（通常是负弯月形透镜）把光线剧烈地折射，让原本应该落在传感器之外的光线，硬生生地「弯」回传感器范围内。

我的理解：普通镜头是「让光线按原路走」，鱼眼镜头是「让光线拐个弯再走」。这个「拐弯」的数学描述，就是我们后面要讲的畸变模型。

具体来说，鱼眼镜头常用的投影模型有四种，它们决定了畸变的形式：

等距投影（Equidistant）：r = f * θ。这是最常见的模型，OpenCV的鱼眼模型就基于它。θ是入射角，r是像高。说白了，角度和像高成正比。
等立体角投影（Equisolid Angle）：r = 2f * sin(θ/2)。这个模型能保证单位立体角对应的像面积相等，常用于天文摄影。
正交投影（Orthographic）：r = f * sin(θ)。这个模型在边缘处压缩最严重，视场角最大只能到180度。
体视投影（Stereographic）：r = 2f * tan(θ/2)。这个模型能保持角度不变形，但边缘拉伸明显。

你可能会问：「那我该用哪个模型？」我的建议是：先查镜头规格书，看厂家标的是哪种投影。如果查不到，就用OpenCV的默认模型（等距投影），然后通过标定去拟合实际畸变。我在一个项目中就遇到过，镜头标称是等距投影，但实际标定出来的参数更接近等立体角投影——这就是制造公差和装配误差导致的。

避坑指南：千万不要直接用普通镜头的畸变模型（比如Brown-Conrady模型）去校正鱼眼图像。我曾经这么干过，结果边缘校正后出现了严重的「拉伸伪影」，而且中心区域也出现了二次畸变。鱼眼镜头必须用专门的鱼眼畸变模型，这是底线。

下面这张SVG图，我画了两种镜头的成像光路对比。你可以直观地看到，同样一个物体，在两种镜头下的成像位置差异有多大。

从图上你能看到，普通镜头在边缘处的光线几乎与像平面平行，所以视场角做不大。而鱼眼镜头通过「弯曲」光线，让大角度的光线也能落到像平面上。代价是什么？桶形畸变——直线变弯了，越靠近边缘越明显。

嗯，这一章的内容就到这里。我不喜欢做那种「首先其次最后」的总结，但有几个点我希望你记住：