如何用Python消除镜头枕形畸变？已尝试defisheye未达最优

问题背景 #

我有一张计算机生成的图像：

将其作为光学实验输入后，得到带有双凹畸变的图像：

我需要恢复无畸变图像并与原图对比。作为图像处理新手，我尝试了defisheye库但未得到最优结果，同时对OpenCV的相机校准流程感到困惑，希望得到专业方向的建议。

已尝试的代码 #

from defisheye import Defisheye

dtype = 'linear'
format = 'fullframe'
fov = 11
pfov = 10

img = "input_distorted.jpg"
img_out = "input_distorted_corrected.jpg"

obj = Defisheye(img, dtype=dtype, format=format, fov=fov, pfov=pfov)

# 保存校正后的图像到本地
obj.convert(outfile=img_out)

专业建议 #

1. 优化defisheye库的参数设置 #

你当前设置的fov=11和pfov=10数值过小，完全不符合双凹畸变（枕形畸变）对应的视场范围。建议先大幅调高这两个参数，比如尝试fov=160、pfov=120，同时切换不同的dtype参数（比如'equalarea'或'stereographic'）——不同的畸变模型对不同类型的光学畸变适配性差异很大，多试几组参数就能找到更接近的效果。另外要确认input_distorted.jpg路径正确，避免处理错图像。

2. OpenCV相机校准的简化操作流程 #

OpenCV官方的相机校准教程（已翻译为中文）是精度最高的校正方案，核心是通过标定板获取系统的畸变参数，简化步骤如下：

• 打印一张棋盘格标定板（推荐8×6个内角点，提前测量好每个方格的实际尺寸）；
• 用产生畸变的同一光学系统，从不同角度、距离拍摄至少10张清晰的标定板图像；
• 用cv2.findChessboardCorners()配合cv2.cornerSubPix()提取每张图里的标定板内角点坐标；
• 调用cv2.calibrateCamera()计算相机内参矩阵和畸变系数（包含径向、切向畸变参数）；
• 用cv2.undistort()直接对畸变图像做校正，或者用cv2.initUndistortRectifyMap()+cv2.remap()实现更高效的批量校正；
• 校正完成后，用cv2.absdiff()计算校正图与原图的像素差异，直观评估校正效果。

3. 无标定板的快速试错方案 #

如果暂时没有标定板，也可以用Photoshop的镜头校正滤镜手动调整参数，快速可视化校正效果；或者在OpenCV里手动调整畸变系数，用cv2.undistort()反复试错——这种方法精度不如标定法，但适合快速验证校正方向。

内容的提问来源于stack exchange，提问作者DhiwaTdG