基于Blender与OpenCV的鱼眼畸变生成与校正技术问题求助

1. 核心问题：模型本质差异 #

Blender与OpenCV的鱼眼畸变模型完全不同，无法直接对应系数：

• Blender模型：针对归一化图像坐标的径向距离r做多项式变换，公式为：

  畸变后径向距离 $r' = r(1 + k_2 r^2 + k_3 r^4 + k_4 r^6)$
  其中k0=0、k1=1是固定缩放系数，不参与畸变计算，仅k2/k3/k4控制畸变程度。

• OpenCV鱼眼模型：基于等距投影，对视角角度θ做多项式变换，公式为：

  原始视角 $\theta = \arctan(r)$，畸变后视角 $\theta' = \theta(1 + k_1 \theta^2 + k_2 \theta^4 + k_3 \theta^6 + k_4 \theta^8)$
  最终畸变坐标由$\theta'$反推得到。

你的Blender系数(0,1,0.3,0,0)对应k2=0.3，需转换为OpenCV模型的等效角度系数才能正确校正。

2. 解决方案：系数转换+校正代码修正 #

步骤1：等效OpenCV系数拟合 #

针对你的场景（FOV=160°，传感器36mm，分辨率640×480），通过泰勒展开拟合Blender畸变到OpenCV模型的等效系数：

• 计算最大视角$\theta_{max}=80°≈1.396$弧度
• 代入Blender公式得到畸变后视角，拟合OpenCV的k1值约为0.187（k2/k3/k4可忽略，因Blender对应系数为0）

步骤2：正确计算相机内参K #

根据相机参数推导内参：

import numpy as np

# 计算焦距（单位：mm）
f = 18 / np.tan(np.deg2rad(80))  # 半传感器宽度 / tan(FOV/2)
w, h = 640, 480
sensor_h = 36 * (h / w)  # 传感器高度27mm（16:9比例）

# 内参矩阵
K = np.array([
    [w * f / 36, 0, w/2],  # fx, cx
    [0, h * f / sensor_h, h/2],  # fy, cy
    [0, 0, 1]
], dtype=np.float32)

步骤3：校正代码实现 #

替换错误的系数和内参，使用OpenCV鱼眼模块的完整校正流程：

import cv2

# 读取畸变图像
distorted_img = cv2.imread('blender_distorted.jpg')
h, w = distorted_img.shape[:2]

# 转换后的OpenCV畸变系数
D = np.array([[0.187, 0, 0, 0]], dtype=np.float32)

# 计算校正后的相机矩阵与映射表
new_K = cv2.fisheye.estimateNewCameraMatrixForUndistortRectify(K, D, (w,h), np.eye(3), balance=0.0)
map1, map2 = cv2.fisheye.initUndistortRectifyMap(K, D, np.eye(3), new_K, (w,h), cv2.CV_16SC2)

# 执行校正
undistorted_img = cv2.remap(distorted_img, map1, map2, interpolation=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT)

# 保存结果
cv2.imwrite('undistorted_result.jpg', undistorted_img)

• balance参数：0.0保留最大视野（可能带黑边），1.0裁剪畸变区域得到无黑边图像，可按需调整。

3. 简化替代方案 #

如果系数转换过于繁琐，可直接在Blender中渲染无畸变图像，再用OpenCV生成匹配模型的畸变图像：

1. Blender中设置鱼眼系数为(0,1,0,0,0)，渲染无畸变原图；
2. 使用cv2.fisheye.distortPoints生成畸变图像，此时D系数可直接指定，后续校正完全匹配。

4. 验证方法 #

选取平面四角等特征点，对比Blender中3D坐标投影的无畸变像素位置，与校正后图像的对应点误差，确认校正效果。

内容的提问来源于stack exchange，提问作者Erik Hulmák