当前位置:首页 > 嵌入式 > 嵌入式分享
镜头畸变的类型多样,根据变形的规律和产生原因,最常见的可分为两大类:径向畸变和切向畸变。这两类畸变覆盖了绝大多数镜头的畸变情况,对应的畸变模型也最为成熟,是后续图像校正的核心依据。下面结合具体的成像表现,详细解析每种畸变的特点、产生原因及模型逻辑,全程不涉及任何公式。
径向畸变:最常见的畸变类型
径向畸变是由于镜头的球面特性导致的,也是所有镜头中最普遍、影响最明显的一种畸变。其核心特点是:图像中物体的变形程度,随着距离镜头光轴(镜头中心的假想直线)的远近而变化——离光轴越远,畸变越明显;离光轴越近,畸变越轻微,图像中心区域基本无畸变。
根据变形方向的不同,径向畸变又可分为三种具体类型,每种类型的成像表现和产生原因都有明显差异,对应的畸变模型也各有侧重:
(1)桶形畸变
桶形畸变是最常见的径向畸变,多出现于广角镜头、手机超广角镜头等短焦距镜头中。其成像表现为:图像中心区域的物体被放大,边缘区域的物体被压缩、拉伸,整体图像呈现出“木桶”一样的形状——比如拍摄一张包含直线的风景照,画面边缘的直线会向图像中心弯曲,拍摄人物时,画面边缘的人物会被拉宽、变形,显得脸盘更大。
桶形畸变的产生原因,是镜头边缘的光线折射角度比中心区域更大,导致边缘物体的成像被“压缩”到更小的范围,进而产生变形。这种畸变在短焦距镜头中尤为明显,因为短焦距镜头需要捕捉更广阔的场景,镜头边缘的光线折射差异更大,畸变也就更突出。
对应的畸变模型,核心就是描述“边缘光线折射偏差随距离光轴远近的变化规律”,简单来说,就是记录不同距离光轴的像素,其变形的程度和方向,为后续校正提供参考——校正时,只需将边缘被压缩的像素,反向拉伸到正确的位置,就能还原真实场景。
(2)枕形畸变
枕形畸变与桶形畸变相反,多出现于长焦镜头中。其成像表现为:图像中心区域的物体被压缩,边缘区域的物体被放大、拉伸,整体图像呈现出“枕头”一样的形状——比如拍摄远处的建筑,画面边缘的建筑会被拉长,原本垂直的边缘会向图像外侧弯曲,显得物体更加修长。
枕形畸变的产生原因,与桶形畸变相反:长焦镜头需要将远处的物体放大,镜头边缘的光线折射角度比中心区域更小,导致边缘物体的成像被“拉伸”到更大的范围,进而产生变形。长焦镜头的焦距越长,枕形畸变越明显,但总体而言,长焦镜头的畸变程度,通常比广角镜头的桶形畸变更轻微。
对应的畸变模型,核心是描述“边缘光线折射偏差的反向规律”,即边缘像素被拉伸的程度,校正时只需将边缘被拉伸的像素,反向压缩到正确的位置,就能消除畸变。
(3)S形畸变
S形畸变是一种更复杂的径向畸变,通常出现在变焦镜头的中间焦距段,是桶形畸变和枕形畸变的混合体。其成像表现为:图像的中心区域呈现轻微的桶形畸变,边缘区域呈现轻微的枕形畸变,整体变形轨迹呈“S”形——比如拍摄一条笔直的道路,道路中间部分轻微向中心弯曲,边缘部分轻微向外侧弯曲,整体呈现出柔和的S形。
S形畸变的产生原因,是变焦镜头在中间焦距段时,镜头内部的透镜组位置调整,导致中心区域和边缘区域的光线折射规律不一致,进而同时出现轻微的桶形和枕形畸变。这种畸变的程度通常比较轻微,在普通摄影场景中可能难以察觉,但在高精度视觉应用(如工业检测、三维重建)中,仍需要进行校正。
对应的畸变模型,需要同时兼顾桶形和枕形畸变的规律,精准描述不同区域像素的变形差异,校正时需根据像素所在的位置,分别进行拉伸或压缩,才能还原真实场景。
切向畸变:易被忽视的轻微畸变
切向畸变是一种相对轻微的畸变,其影响程度远小于径向畸变,因此常常被忽视,但在高精度场景中,仍会对成像质量产生影响。切向畸变的核心特点是:图像中的物体出现轻微的倾斜、偏移,原本平行的直线会变成斜线,物体的形状会出现轻微的扭曲,但这种变形与像素距离光轴的远近无关,而是均匀分布在整个图像中。
切向畸变的产生原因,并非镜头的球面特性,而是镜头与相机图像传感器之间的装配偏差——理想情况下,镜头的光轴应该与图像传感器平面完全垂直,但实际装配过程中,难免会出现微小的偏差,导致镜头光轴与传感器平面不垂直,光线投射到传感器上时,会出现轻微的偏移,进而产生切向畸变。
对应的畸变模型,核心是描述“光线投射偏移的规律”,即整个图像的像素偏移方向和偏移量,校正时只需将所有像素按照统一的规律,反向偏移到正确的位置,就能消除切向畸变。需要注意的是,切向畸变通常与径向畸变同时存在,因此在实际校正过程中,需要同时考虑两种畸变的影响,才能达到理想的校正效果。
特殊镜头的畸变模型
除了上述常见的径向和切向畸变,一些特殊镜头的畸变模型也具有独特性,需要单独说明:
一是鱼眼镜头,其畸变程度远大于普通镜头,属于极端的径向畸变,成像表现为画面边缘的物体被严重拉伸、扭曲,甚至出现“圆形鱼眼效果”,对应的畸变模型需要专门针对这种极端畸变进行设计,校正难度也更大;
二是全景镜头,全景相机通常由多个镜头拼接而成,每个镜头都存在自身的畸变,同时拼接处也会出现畸变,对应的畸变模型需要兼顾单个镜头的畸变和拼接畸变,校正过程更复杂;
三是微距镜头,微距镜头用于拍摄近距离物体,其畸变主要表现为轻微的枕形畸变,且畸变程度随拍摄距离的变化而变化,对应的畸变模型需要考虑拍摄距离的影响,才能实现精准校正。
本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

嵌入式系统开发内存管理是影响系统性能和稳定性的关键因素。传统单一分配策略(如纯系统malloc或纯自定义分配器)往往难以兼顾灵活性、效率和确定性需求。混合分配策略通过组合系统malloc和自定义分配器,在关键路径使用确定...

关键字: 内存管理 malloc

在智能家居场景中,传统触控交互存在卫生隐患与操作距离限制,而基于STM32F4的低功耗手势识别节点通过毫米波雷达与机器学习算法的融合,实现了无需接触的精准操控。该方案在STM32F407VET6(168MHz主频,192...

关键字: 智能家居 隔空操控

物联网设备普遍面临内存资源高度受限的困境。以STM32F103为例,其20KB RAM需同时承载任务栈、通信协议栈及业务逻辑。传统FreeRTOS默认的heap_3策略(封装标准库malloc/free)存在三大致命缺陷...

关键字: 物联网 内存

嵌入式系统开发中,内存碎片化始终是困扰程序员的难题。以某工业控制器项目为例,系统需连续运行5年以上,期间频繁分配/释放不同大小的内存块(从16字节到4KB不等)。传统malloc/free机制在运行3年后导致内存利用率骤...

关键字: 自定义内存池设 C语言

在河南临颍县的智慧辣椒种植基地,一排排传感器正以每秒1次的频率采集土壤湿度数据。这些数据通过W5500以太网模块与LoRa无线模块的组合,经MQTT协议上传至云端。然而,当网络突然中断时,设备能否确保关键灌溉指令不丢失?...

关键字: MQTT QoS

在农业现代化进程中,物联网技术正成为提升生产效率、降低资源消耗的核心驱动力。针对传统农业物联网方案中存在的网络覆盖不足、设备功耗高、部署成本高昂等问题,本文提出一种基于W5500以太网模块与LoRa无线通信模块的低成本解...

关键字: 农业物联网 W5500 LoRa

Linux驱动寄存器操作是硬件交互的核心环节。然而,多核处理器架构、中断异步性以及编译器优化等因素,可能导致寄存器访问出现竞态条件(Race Condition)和内存乱序(Memory Reordering)问题。这些...

关键字: Linux驱动 寄存器

在嵌入式C项目开发中,传统调试方法依赖串口输出和人工检查,存在效率低、覆盖率不足等问题。以某医疗设备项目为例,开发团队曾花费40%工时在调试环节,其中60%时间用于重复验证基础功能。Unity测试框架通过自动化测试用例执...

关键字: printf Unity框架
关闭