仅已知相对径向畸变函数时如何通过OpenCV为图像添加畸变

核心逻辑说明 #

cv2.undistort 本身的默认能力是消除图像畸变，如果要实现添加畸变的需求，可通过设置虚拟归一化参数调用其映射逻辑实现，以下是无实际相机参数时的参数设置方案：

1. 内参矩阵（cameraMatrix）设置 #

因为不需要对应真实物理相机参数，可直接构造匹配你畸变函数定义域的虚拟内参，假设输入图像宽为w、高为h：

import numpy as np
h, w = src_image.shape[:2]
# 焦距设为图像高度的一半，保证相对视场高度1刚好对应图像上下边缘
cameraMatrix = np.array([
    [h/2, 0, w/2],  # fx为虚拟x方向焦距，cx为图像x方向中心
    [0, h/2, h/2],  # fy为虚拟y方向焦距，cy为图像y方向中心
    [0, 0, 1]
], dtype=np.float32)

2. 畸变系数（distCoeffs）转换 #

OpenCV 径向畸变的计算逻辑为：
畸变后坐标 = 无畸变坐标 * (1 + k1*r² + k2*r⁴ + k3*r⁶)
其中r就是你提到的相对视场高度，和你的畸变函数定义域完全匹配。
你可以根据自定义畸变函数的输出拟合k1、k2、k3三个径向畸变参数：

• 若r=1时畸变值为5%桶形畸变（边缘向内收缩），一阶拟合取k1=0.05即可
• 若为枕形畸变（边缘向外扩张），对应k值取负数即可
• 不需要切向畸变的话，其余参数固定填0

最终畸变系数构造示例：

# 顺序为[k1, k2, 切向畸变p1, 切向畸变p2, k3]
distCoeffs = np.array([0.05, 0, 0, 0, 0], dtype=np.float32)

3. 完整加畸变实现代码 #

cv2.undistort 本身不直接支持加畸变，可通过映射函数反向实现：

import cv2
import numpy as np

src = cv2.imread("你的输入图像路径")
h, w = src.shape[:2]

# 构造内参和畸变系数
cameraMatrix = np.array([[h/2, 0, w/2], [0, h/2, h/2], [0,0,1]], dtype=np.float32)
distCoeffs = np.array([0.05, 0, 0, 0, 0], dtype=np.float32)

# 生成畸变映射表并输出畸变后图像
map1, map2 = cv2.initUndistortRectifyMap(cameraMatrix, distCoeffs, None, cameraMatrix, (w,h), cv2.CV_32FC1)
distorted_img = cv2.remap(src, map1, map2, interpolation=cv2.INTER_LINEAR)

注意事项 #

• 如果你的畸变函数是非对称的，或者包含径向畸变之外的其他畸变类型，上述方案不适用，需要额外调整参数
• 如果需要100%匹配自定义畸变函数的输出，建议直接遍历像素计算畸变后坐标做映射，不需要套OpenCV的标准畸变模型，避免拟合误差

内容的提问来源于stack exchange，提问作者think nice things