如何使用OpenCV结合自定义内参矩阵和畸变参数对鱼眼图像进行去畸变处理

我之前做过一个有趣的小实验：用一张灰度值随cos(wx)规律变化的图像，通过自定义内参矩阵和畸变参数，用Python结合OpenCV实现了鱼眼畸变效果，现在把过程和代码分享给你~

先看看实验用到的图像：

• 原始图像：这是一张呈现周期性明暗条纹的图像，灰度值会随着cos(wx)的变化规律波动
• 鱼眼畸变后的图像：经过处理后，原本的直线条纹会呈现出明显的向中心凹陷的扭曲效果，是典型的鱼眼镜头视觉特征

下面是实现这个效果的核心Python代码：

import numpy as np
import cv2

def fisheye_effect(original_img):
    # 获取原始图像的高度和宽度
    h, w = original_img.shape[:2]
    # 自定义内参矩阵K：焦距设为图像宽高，主点位于图像中心
    K = np.array([[w, 0, w / 2],
                  [0, h , h / 2],
                  [0, 0, 1]])
    # 自定义鱼眼畸变参数D：前两个参数控制畸变程度，后两个设为0
    D = np.array([2.0, 1.0, 0, 0])        
    # 生成畸变映射表
    map1, map2 = cv2.fisheye.initUndistortRectifyMap(K, D, None, K, (w, h), cv2.CV_16SC2)
    # 应用映射表得到鱼眼畸变图像
    fisheye_img = cv2.remap(original_img, map1, map2, interpolation=cv2.INTER_LINEAR, borderMode=cv2.BORDER_CONSTANT)
    # 保存处理后的图像（注意这里的fisheye_path需要你提前定义好保存路径）
    cv2.imwrite(fisheye_path, fisheye_img)

简单解释下代码里的关键步骤：

1. 先获取原始图像的尺寸，这是定义内参矩阵的基础
2. 内参矩阵K：这里我们把x和y方向的焦距分别设为图像的宽度和高度，主点（图像光学中心）放在图像的中心位置，这是比较常用的自定义内参设置方式
3. 畸变参数D：鱼眼畸变的参数通常有4个，前两个参数主要控制畸变的程度，数值越大畸变效果越明显，后两个参数我们暂时设为0即可
4. cv2.fisheye.initUndistortRectifyMap函数会根据我们设置的内参和畸变参数，生成用于图像映射的查找表，这一步是鱼眼畸变处理的核心
5. 最后用cv2.remap把原始图像按照生成的映射表进行变换，就能得到我们想要的鱼眼畸变效果了

备注：内容来源于stack exchange，提问作者Nightysky