鱼眼图像校正：映射表生成、重映射、校正后图像裁剪与视角调整

好，我们进入第四章。前面几章我们把鱼眼畸变的数学模型和参数标定讲清楚了，现在终于到了「出图」的环节。说白了，前面算半天内参和畸变系数，最终目的就是把那张弯弯曲曲的鱼眼图拉直，变成人眼看着舒服的透视图像。

这一章我会把校正流程拆成四个步骤来讲：映射表生成 → 重映射 → 图像裁剪 → 视角调整。每一步都有坑，我当年第一次做的时候，出来的图不是缺角就是拉伸变形，折腾了好几天才理顺。

4.1 映射表生成：从数学到像素的桥梁

校正的第一步，是生成一张「映射表」。这张表记录了输出图像每个像素点，对应到输入鱼眼图像的坐标。为什么要提前算好？因为重映射操作非常频繁，如果每帧都实时计算畸变公式，性能扛不住。提前算好存成两张浮点图（map_x, map_y），后面直接查表，效率高得多。

映射表生成的核心逻辑，我习惯用 OpenCV 的 cv::fisheye::initUndistortRectifyMap 来完成。它的输入就是我们之前标定得到的内参矩阵 K 和畸变系数 D，输出就是 map_x 和 map_y。

// C++ 示例
cv::Mat map_x, map_y;
cv::fisheye::initUndistortRectifyMap(
    K, D, cv::Mat::eye(3,3,CV_64F), K,
    cv::Size(output_width, output_height),
    CV_32FC1, map_x, map_y
);

这里有个细节：R 参数我通常传单位矩阵，表示不做额外旋转。如果你需要调整相机朝向，可以传一个旋转矩阵进去，后面会讲到。

4.2 重映射：把鱼眼图「拉直」

映射表生成之后，重映射就简单了。OpenCV 的 cv::remap 函数一行搞定：

cv::Mat undistorted;
cv::remap(distorted, undistorted, map_x, map_y, cv::INTER_LINEAR);

插值方式我推荐 INTER_LINEAR（双线性插值），速度和画质平衡得最好。如果你对边缘锯齿特别敏感，可以试试 INTER_CUBIC，但速度会慢一些。

嗯，这里要注意：重映射后的图像边缘通常会有黑色区域。因为鱼眼图的视角范围是圆形，校正后圆形区域外的像素没有对应点，默认填 0（黑色）。这就是我们下一步要处理的问题。

4.3 校正后图像裁剪：去掉黑边，保留有效区域

校正后的图像，四周一圈黑边，看着很不专业。裁剪的目的就是去掉这些无效区域，同时尽可能保留有效画面。

裁剪策略有两种：

我个人最常用的是自适应裁剪。具体做法是：遍历校正后图像，找到所有非零像素的行列范围，然后向外扩展几个像素作为安全边距。这样既去掉了大部分黑边，又不会切掉有效内容。

// 自适应裁剪示例（伪代码）
cv::Mat mask = undistorted > 0;  // 有效像素掩膜
cv::Rect roi = cv::boundingRect(mask);
// 向外扩展 10 像素作为安全边距
roi.x = std::max(0, roi.x - 10);
roi.y = std::max(0, roi.y - 10);
roi.width = std::min(undistorted.cols - roi.x, roi.width + 20);
roi.height = std::min(undistorted.rows - roi.y, roi.height + 20);
cv::Mat cropped = undistorted(roi);

4.4 视角调整：用缩放因子控制视野

裁剪之后，图像尺寸变了，但视角还是固定的。有时候我们需要调整输出图像的视野范围——比如从 180° 鱼眼校正成 120° 的广角画面，或者只取中心区域做特写。

视角调整的核心参数是缩放因子 scale。在生成映射表时，我们可以通过修改内参矩阵 K 的焦距分量来控制输出视角：

// 调整视角：scale < 1 放大视野，scale > 1 缩小视野
double scale = 0.8;  // 放大视野，看到更多边缘
cv::Mat new_K = K.clone();
new_K.at<double>(0,0) *= scale;
new_K.at<double>(1,1) *= scale;

cv::fisheye::initUndistortRectifyMap(
    K, D, cv::Mat::eye(3,3,CV_64F), new_K,
    cv::Size(output_width, output_height),
    CV_32FC1, map_x, map_y
);

scale 的含义：

• scale < 1：等效焦距变小，视野变宽，能看到更多鱼眼边缘的内容，但边缘畸变残留会多一些。
• scale > 1：等效焦距变大，视野变窄，相当于只取中心区域，畸变校正更彻底，但损失了视角。
• scale = 1：保持原始焦距，校正后视角与标定时的视角一致。

我在项目中通常把 scale 设为 0.8~0.9，这样既能保留大部分视野，又不会让边缘畸变太明显。如果你做的是车载环视系统，可能更关心近处的盲区，scale 可以设到 0.7 甚至更低。

下面这张图展示了整个校正流程的脉络：

4.5 完整代码示例：一条龙校正

把上面所有步骤串起来，就是一个完整的校正函数。我习惯把它封装成一个类，方便在视频流中反复调用。

class FisheyeUndistorter {
public:
    FisheyeUndistorter(cv::Mat K, cv::Mat D, cv::Size out_size, double scale=0.85) {
        cv::Mat new_K = K.clone();
        new_K.at<double>(0,0) *= scale;
        new_K.at<double>(1,1) *= scale;
        cv::fisheye::initUndistortRectifyMap(
            K, D, cv::Mat::eye(3,3,CV_64F), new_K,
            out_size, CV_32FC1, map_x_, map_y_
        );
    }

    cv::Mat Undistort(const cv::Mat& src) {
        cv::Mat dst;
        cv::remap(src, dst, map_x_, map_y_, cv::INTER_LINEAR);
        // 自适应裁剪
        cv::Mat gray;
        if (dst.channels() == 3) cv::cvtColor(dst, gray, cv::COLOR_BGR2GRAY);
        else gray = dst.clone();
        cv::Mat mask = gray > 5;
        cv::Rect roi = cv::boundingRect(mask);
        roi.x = std::max(0, roi.x - 5);
        roi.y = std::max(0, roi.y - 5);
        roi.width = std::min(dst.cols - roi.x, roi.width + 10);
        roi.height = std::min(dst.rows - roi.y, roi.height + 10);
        return dst(roi).clone();
    }

private:
    cv::Mat map_x_, map_y_;
};

使用时只需要：

FisheyeUndistorter und(K, D, cv::Size(1280, 960), 0.85);
cv::Mat result = und.Undistort(fisheye_frame);

好了，这一章的内容就这些。映射表生成、重映射、裁剪、视角调整——四个步骤环环相扣，缺一不可。你可以在自己的数据集上试试不同的 scale 值，看看效果差异。实践出真知，调几次参数你就找到感觉了。