OpenCV相机校准去畸变异常：模拟场景下校准后仍为畸变图

核心逻辑校验：点对对应关系 #

相机校准的核心是**真实世界3D点（objpoints）与该点经相机畸变后在图像上的2D像素坐标（imgpoints）**的严格一一对应。你当前的设定必须满足：

• objpoints：原始无畸变场景中棋盘格角点的3D坐标（z=0，比如(0,0,0), (1,0,0), ..., (n,m,0)，单位保持一致即可）
• imgpoints：同一角点在畸变图中的2D像素坐标

如果搞反对应关系（比如把原始图的2D点误作imgpoints，或畸变图点关联到错误3D点），校准参数完全无效，去畸变必然失败。

硬编码点的常见错误 #

1. 点顺序不匹配 #

棋盘格角点的顺序必须严格统一：

• objpoints的3D点要按从左到右、从上到下排列（和OpenCV默认棋盘格检测顺序一致）
• imgpoints的2D点必须是畸变图中对应角点的同一顺序，不能乱序、跳点或颠倒行/列

2. 坐标系统混淆 #

• 图像像素坐标原点是左上角，别误用右下角或其他原点
• 3D点坐标系要统一：所有objpoints的z值必须为0，x/y的步长保持一致（比如每个棋盘格边长设为1单位，x从0到n-1，y从0到m-1）

校准流程的关键验证步骤 #

1. 校准结果合理性检查 #

校准后打印内参矩阵和畸变系数，快速判断参数有效性：

ret, cameraMatrix, distCoeffs, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints, img_size, None, None)
print("相机内参矩阵:\n", cameraMatrix)
print("畸变系数:\n", distCoeffs)

• 正常内参矩阵主对角线元素应为正数，数值接近模拟相机的焦距（比如1920宽度的图像，fx/fy通常在1500-2000区间）
• 若畸变系数全为0或接近0，说明校准未拟合出畸变，大概率是点对对应错误

2. 重投影误差验证 #

重投影误差是判断校准有效性的核心指标：

total_error = 0
for i in range(len(objpoints)):
    imgpoints2, _ = cv2.projectPoints(objpoints[i], rvecs[i], tvecs[i], cameraMatrix, distCoeffs)
    error = cv2.norm(imgpoints[i], imgpoints2, cv2.NORM_L2)/len(imgpoints2)
    total_error += error
print("平均重投影误差: ", total_error/len(objpoints))

• 模拟场景下误差应接近0（比如<0.1像素）；若误差超过10像素，直接说明点对对应关系错误

3. 去畸变调用正确性 #

确保去畸变时使用校准得到的cameraMatrix和distCoeffs，选择正确的调用方式：

• 单图去畸变用cv2.undistort：

undistorted_img = cv2.undistort(distorted_img, cameraMatrix, distCoeffs, None, cameraMatrix)

• 批量处理用cv2.initUndistortRectifyMap + cv2.remap：

mapx, mapy = cv2.initUndistortRectifyMap(cameraMatrix, distCoeffs, None, cameraMatrix, img_size, 5)
undistorted_img = cv2.remap(distorted_img, mapx, mapy, cv2.INTER_LINEAR)

注意：必须用校准输出的参数，不能误用原始图的默认参数。

模拟场景特殊验证 #

如果是模拟相机，你应该已知真实畸变系数，可以把校准得到的distCoeffs与真实值对比：

• 若偏差极大，说明点对对应关系完全错误
• 若接近但有微小误差，可能是硬编码时像素坐标的取整误差导致

内容的提问来源于stack exchange，提问作者Philipp Enöckl