深入解析cv::fisheye::undistortPoints：从归一化坐标到图像坐标的转换

最新推荐文章于 2026-08-10 14:29:26 发布

原创

最新推荐文章于 2026-08-10 14:29:26 发布 · 201 阅读

1. 鱼眼镜头去畸变：为什么cv::fisheye::undistortPoints这么关键？

如果你玩过运动相机、全景摄像头，或者捣鼓过机器人上的“眼睛”，那你肯定见过那种画面边缘被严重拉伸、扭曲成圆形的图像。这就是鱼眼镜头带来的效果，视野是真的大，但畸变也是真的猛。在计算机视觉的实际项目里，比如SLAM（同步定位与地图构建）、三维重建或者高精度的测量，我们第一步往往就是得把这些扭曲的点给“掰直”了，还原它们本来的位置。OpenCV里的 cv::fisheye::undistortPoints 函数，就是干这个活的得力工具。

但这里有个坑，我踩过，估计很多新手朋友也绕不过去。这个函数输出的结果，到底是啥坐标？是直接能在你屏幕上画出来的像素坐标吗？很多时候并不是。它默认给你的是归一化坐标，这是一个位于相机前方虚拟平面上的点，单位是米（或者说，是相对于焦距的比例），而不是我们熟悉的图像上的第几行第几列像素。如果你没注意到这一点，直接把结果拿去用，后续的匹配、计算距离会全乱套，误差大得离谱。我自己就曾经因为这个问题，调试了一整天的代码，最后发现是坐标系统没对齐，那种感觉真是让人哭笑不得。

所以，今天我们就来彻底搞懂 cv::fisheye::undistortPoints，核心就是弄明白它内部到底做了什么，以及如何通过那个关键的 P矩阵，把去畸变后的归一化坐标，正确无误地转换回我们最终需要的图像像素坐标。理解了这一点，你才算真正掌握了这个函数，而不是仅仅停留在“调用一下”的层面。

2. 函数参数深度拆解：不只是K和D那么简单

先来看看函数的原型，这是理解一切的起点。在OpenCV的文档里，它的声明大致是这样的：

void cv::fisheye::undistortPoints(
    InputArray distorted,
    OutputArray undistorted,
    InputArray K,
    InputArray D,
    InputArray R = noArray(),
    InputArray P = noArray()
);

看起来参数不少，我们一个一个掰开揉碎了说。distorted 和 undistorted 最好理解，就是输入的被畸变“折磨”的点，和输出的被“矫正”后的点，通常我们用 std::vector<cv::Point2f> 来存储。

K矩阵（内参矩阵），这是相机的身份证。它描述了相机如何把三维世界投影到二维图像上。一个典型的K矩阵长这样：

[ fx,  0, cx ]
[ 0,  fy, cy ]
[ 0,   0,  1 ]

这里的 fx, fy 是焦距（以像素为单位），cx, cy 是图像的主点（通常接近图像中心）。这个矩阵是去畸变计算的基础，因为畸变模型本身就是基于这个内参定义的。

D矩阵（畸变系数），这是鱼眼镜头的“病历本”。对于鱼眼模型，OpenCV通常使用4个系数 (k1, k2, k3, k4) 来描述其畸变。函数正是利用这些系数，结合K矩阵，来反推一个畸变点在没有畸变时应该在哪里。

R矩阵（旋转矩阵），这个参数在 undistortPoints 里其实用得不多。它主要用于立体视觉中对极线校正的场景，你可以简单理解为给整个相机坐标系做个旋转。在单目相机单纯去畸变的场景下，我们通常直接传入 cv::noArray() 或者一个单位矩阵就行。

最后，也是最关键、最容易让人迷惑的 P矩阵（投影矩阵）。原始文章里反复强调的坑，就出在这里。它的默认值是 cv::noArray()。很多教程和早期代码都直接这么用，结果导致很多人（包括曾经的我）以为输出的 undistorted 就是像素坐标。大错特错！当P使用默认值时，函数输出的点位于归一化平面上。什么是归一化平面？想象一下，在相机

标签