图像畸变对2D定位引导结果的影响与校正原理

很多2D视觉定位工位在调试阶段会出现一个比较隐蔽的现象：把工件放在画面中心附近做定位测试，结果一直很稳定，重复精度也达标；可一旦工件被放到画面边缘的位置，定位结果就开始偏离，越靠近画面四角，偏差越明显。这时候如果只检查算法、换相机，往往解决不了问题，因为根源并不在算法和硬件选型，而在工业镜头本身存在的光学畸变。图像畸变是每一只工业镜头都无法完全消除的固有特性，它会让画面不同位置的实际比例发生变形，从而直接影响2D定位在画面不同区域的测量准确性。这篇文章就从畸变如何影响定位结果切入，讲清楚畸变产生的机理，以及工业视觉系统里常用的畸变校正原理。

畸变对2D定位的具体影响：越靠边缘偏差越大

图像畸变对2D定位引导的影响，本质上是破坏了“画面坐标到实际物理位置”之间的一致性换算关系。在理想状态下，我们希望画面里一个像素对应的实际物理尺寸，在全图的任何位置都完全一致——这样只要算出了工件在画面里的像素坐标，乘以固定的像素当量，就能得到准确的实际位置偏差。

但真实镜头的光学系统做不到这种理想状态。畸变会导致画面不同区域的实际放大比例不一样：常见的桶形畸变会让画面边缘的区域在成像时被压缩，图像中心区域对应放大比例偏小；枕形畸变则相反，会让画面边缘的区域被放大，比例偏大。用没有做过畸变校正的系统去做定位，就会看到这样的现象：工件放在画面中心时，由于中心区域的畸变很小，测出来的位置还比较准；工件一移动到画面边缘，畸变把该区域的实际尺寸比例改变了，系统按中心区域的像素当量去换算，算出来的位置就偏离了真实值，而且越靠近画面四角，畸变越严重，偏差也越大。

举个直观的例子：假设画面中心区域1个像素对应0.05毫米，而画面边缘因为桶形畸变，1个像素实际对应0.07毫米。系统如果不管位置，一律按0.05毫米/像素去换算，工件放在边缘时，本应算出10毫米的偏移，就会被算成偏小或者偏大的值，误差随着工件位置越靠边缘越明显。对于相机视野较大、工件又在视野内移动的定位工位来说，这种畸变造成的边缘测量偏差，会让定位精度在整幅画面的不同位置之间波动，难以稳定。

畸变的来源：镜头光学结构无法做到完全无畸变

要理解畸变为什么无法完全避免，先要清楚它是怎么产生的。工业镜头为了让光线的焦点能同时落在感光芯片上，内部需要组合多片透镜，这些透镜的曲面会不同程度地折射光线。在理想的光学系统里，我们希望光线经过镜头后，画面中心和边缘的光线都能按同样的比例成像。但真实镜头的透镜曲面和光线入射角度，很难让中心和边缘都达到完全一致的成像比例。

一个很常见的直观类比是看透过装水的玻璃瓶观察物体：透过瓶身中间看，物体基本不变形；但从瓶壁的弧形边缘看过去，物体就会明显变形。工业镜头内部多片透镜叠加之后，边缘区域的光线被不同程度的弯曲、压缩或者拉伸，就会在画面上形成桶形、枕形或者更加复杂的畸变模式。

畸变的程度和镜头的焦距、结构设计有关，广角镜头因为视角大、边缘光线入射角度大，畸变往往更明显；长焦镜头畸变相对较小，但无法做到完全消除。所以在定位工位上，畸变是每一只镜头都存在的固有特性，差别只在大小，只要相机的视野范围足够大、工件会在视野内移动，畸变对定位结果的影响就需要认真处理。

校正的原理：先测畸变模型，再反向补偿每个像素

既然畸变无法在镜头层面完全消除，工业视觉的应对思路就是：先通过标定把镜头畸变的具体规律测出来，建立畸变模型，然后在软件层面做反向补偿，把畸变图像校正回无畸变的理想状态。

校正的第一步是畸变标定，也就是测出畸变模型。标准做法是拍摄一张带有多组已知精确间距的标定板，比如一张布满黑白方格或者圆点、且每个格子的实际物理间距都已知的标定板。把标定板放在不同位置、不同角度下拍摄多张照片，系统就能对比“标定板在真实空间里的已知几何关系”和“这些点投影到图像里的实际坐标”，反推出当前镜头的畸变参数。这个过程能算出畸变的具体数学表达式，比如径向畸变的系数、切向畸变的系数，把这些参数保存下来，就建立起了这台相机的畸变模型。

校正的第二步是畸变补偿。有了畸变模型之后，在每次定位计算之前，系统会把采集到的原始图像，按照畸变模型逐像素做坐标重映射，把畸变图像里的每一个像素，重新摆放到它在无畸变图像里应该处于的位置。经过这一层校正，画面里一个像素对应的实际物理尺寸，在全图的任何位置就基本一致了，原来那种“越靠边缘偏差越大”的问题就得到了修正。

更高效的做法是，不一定要逐帧对整幅图像做重映射，而是在标定的时候，把整幅画面划分成网格，计算出每个网格位置对应的畸变校正参数，做成一张查找表。定位时只需要根据工件当前落在哪个网格区域，直接查表得到对应的校正系数，再对算出来的坐标做一次补偿即可，省去了整幅图像重映射的计算开销，速度更快。

校正的边界与落地注意点

畸变校正能明显改善大视野定位工位的边缘精度，但它也有一些边界和落地时需要注意的地方。

首先是校正能修正位置测量偏差，但不能凭空恢复已经失真的图像细节。校正只是把像素位置重新摆放，如果畸变导致的拉伸、压缩已经在原始图像里把轮廓、特征点的细节变形了，校正后这些特征的相对位置能基本复原，但原始图像里已经丢失或严重形变的细节，是无法完全恢复的。所以对畸变比较大的镜头，还是建议在光学上优先选择畸变相对较小的镜头，降低校正的负担。

其次是畸变校正的效果受标定质量直接影响。如果标定板拍摄的照片数量不够、角度覆盖不全，反推出来的畸变参数就不够准确，校正后依然会残留一部分位置偏差。标定时要让标定板尽可能覆盖画面的大部分区域，尤其要覆盖畸变明显的边缘区域，并且多拍几个不同位置、不同角度的图像，才能把畸变模型测准。

第三是校正参数的时效性。镜头和相机的相对位置如果发生松动、或者镜头变焦、对焦位置改变，畸变模型也会跟着改变，之前标定好的校正参数就不再准确。所以在镜头位置固定后做一次畸变标定，之后如果镜头有过拆装、调整，需要重新做标定，不能一劳永逸。

整体来看，图像畸变是工业镜头固有的光学特性，它对2D定位引导的影响，集中体现在画面边缘区域的测量比例失真，导致工件越靠近画面边缘，定位偏差越大。工业视觉通过“先标定测出畸变模型、再反向补偿每个像素”的校正原理，把畸变带来的位置偏差修正回来，让大视野定位工位在整幅画面的不同位置都能保持一致的测量精度。理解了畸变的产生机理和校正原理，就能在遇到“中心准、边缘偏”这类定位问题时，准确判断根源在畸变，并选择合适的校正手段解决。