### Python 实现图片畸变处理的方法 在 Python 中，可以利用 OpenCV 提供的强大工具来完成图像的畸变处理。具体来说，畸变通常分为 **桶形畸变** 和 **枕形畸变**，它们分别对应于负值和正值的径向畸变系数 $k_1$、$k_2$ 等[^5]。 #### 使用 OpenCV 进行鱼眼镜头去畸变 如果已知相机的内参矩阵（Intrinsic Matrix）以及畸变参数（Distortion Coefficients），可以直接调用 OpenCV 的 `cv2.undistort()` 函数或者更高级别的 `cv2.initUndistortRectifyMap()` 来纠正畸变[^4]。 ##### 示例代码：基于标定数据的去畸变 假设我们已经拥有了相机标定的结果文件 `calib.yaml`，其中包含了内参矩阵 $K$ 和畸变参数 $D$： ```python import cv2 import yaml import numpy as np # 读取标定结果 with open('calib.yaml', 'r') as f: calib_data = yaml.safe_load(f) camera_matrix = np.array(calib_data['K0']['data']).reshape(3, 3) dist_coeffs = np.array(calib_data['D0']['data']) # 加载输入图像 image = cv2.imread('distorted_image.jpg') # 去畸变 h, w = image.shape[:2] new_camera_matrix, roi = cv2.getOptimalNewCameraMatrix(camera_matrix, dist_coeffs, (w, h), 1, (w, h)) undistorted_image = cv2.undistort(image, camera_matrix, dist_coeffs, None, new_camera_matrix) # 显示结果 cv2.imshow("Original", image) cv2.imshow("Undistorted", undistorted_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 此代码片段展示了如何加载标定好的相机参数，并使用这些参数去除图像中的畸变。 #### 自定义径向畸变模拟 如果没有实际设备获取真实世界的数据集，则可通过编程方式人工制造某种类型的失真效果以便测试算法性能。下面给出一段简单的例子说明怎样创建带有可控程度扭曲特性的合成场景。 ##### 径向畸变模型 对于每一个像素位置 $(u,v)$ ，其对应的理想无偏移版本应位于： $$ u' = u + \delta_u,\ v' = v+\delta_v $$, 而偏差项 $\delta_{\{u|v\}}$ 则由下述公式决定： $$ r=\sqrt{(u-c_x)^2+(v-c_y)^2} \\ \begin{aligned} &\delta_u=(u-c_x)(k_1*r^2+k_2*r^4)+...\\ &\delta_v=(v-c_y)(k_1*r^2+k_2*r^4)+... \end{aligned} $$ ##### 示例代码：手动引入径向畸变 ```python def apply_radial_distortion(img, k1=-0.001, k2=0.000): height, width = img.shape[:2] map_x = np.zeros((height,width), dtype=np.float32) map_y = np.zeros((height,width), dtype=np.float32) center_x = width / 2.0 center_y = height / 2.0 for y in range(height): for x in range(width): rx = x - center_x ry = y - center_y r_square = rx * rx + ry * ry radial_factor = 1 + k1 * r_square + k2 * r_square * r_square map_x[y,x] = center_x + radial_factor * rx map_y[y,x] = center_y + radial_factor * ry distorted_img = cv2.remap(img, map_x, map_y, interpolation=cv2.INTER_LINEAR) return distorted_img original_image = cv2.imread('normal_image.jpg') distorted_result = apply_radial_distortion(original_image.copy(), k1=-0.002, k2=0.0001) cv2.imshow("Normal Image", original_image) cv2.imshow("Distorted Result", distorted_result) cv2.waitKey(0) cv2.destroyAllWindows() ``` 以上脚本允许用户指定两个自由度——即控制桶状或枕头效应强度的一次项 ($k_1$) 和二次项($k_2$)—从而轻松探索各种可能的变化形式[^1]. --- ###