相机与图像

一、针孔模型（pinhole camera model）

        这里的α和β分别是像素坐标在u轴和v轴上的缩放倍数，Cx和Cy分别是像素坐标系原点的平移。

二、畸变（distortion）

        单纯的小孔成像模型是没有畸变产生的，由于在相机前方加入了透镜，透镜的存在会对光线的传播产生影响：1）径向畸变（真实环境中的一些直线会变成曲线）是由透镜的形状引起的畸变，主要分为桶形畸变和枕性畸变；2）切向畸变是透镜平面和成像平面不严格平行引起的畸变。

        可以看到，对于径向畸变（不论桶形还是枕形），离中心越远畸变越大。因此，这类畸变可以用与距中心的距离有关的二次及高次多项式函数进行纠正：

    

        这里的x和y是归一化相机平面上的点，而不是像素平面上的点。

        结合切向畸变，完整的去畸变方程可以表示成：

总结：上面介绍的针孔模型只是众多相机模型中的一种，比如还有相机的仿射模型、透视模型等；而畸变模型也只是众多畸变模型中的一种，比如还有张氏标定中的畸变模型、Tasi畸变模型等。也就是说，在考虑相机成像这一过程，必须考虑相机模型和畸变模型这两个重要因素。在对图像进行去畸变处理后，就可以直接利用相机模型建立投影关系了。

三、相机标定（camera calibration）

        在维基百科里找了一下相机标定究竟是干嘛的（定义里，前面介绍的针孔模型很重要哦）。

        弄清楚相机标定是什么后，按一般的套路接下来要了解怎么做，为什么这么做两个问题，这是《数字信号处理》课上老师给我留下深刻印象的一句话，2333...打算看看张正友的论文，以后再记录吧。

reference：【1】https://ww2.mathworks.cn/help/vision/ug/camera-calibration.html

                   【2】《视觉SLAM14讲》

                   【3】http://ksimek.github.io/2012/08/22/extrinsic/

                   【4】https://ww2.mathworks.cn/help/vision/ug/camera-calibration.html