&主题：16-35的畸变后期如何校正的？
泡网分: 1.308
注册: 2011年08月
才入了16-35，放在D300S上用，之前也考虑17-35金广角，不过考虑到边缘锐度及分辨率，最后选择了16-35
这个镜头确实很锐，不过广角端也有比较明显的畸变。
看论坛里说可以用PS CS6校正，是用菜单里的镜头校正吗？
我装的PS CS6镜头校正里，只有D3X上使用16-35的镜头配置文件。
我用D300S是不是不可以直接用这个文件校正？
作者相关热贴：
微信扫一扫分享
&浏览：390&&回帖：6 &&
泡网分: 5.031
注册: 2010年05月
关于筒形镜头畸变，大多数软件都可以矫正，但是除非画面边缘出现直线，一般尽量避免矫正变形，会影响清晰度。
关于透视变形，除非是拍摄意愿，一般来说广角应尽量保持构图水平，没有移轴的情况下，可以考虑使用镜头最广端，然后裁切掉不需要的部分（高像素相机这时可以体现出一定优势）。附上我自己拍的一个例子，因为处在比较高的楼层，如果向下拍的话会有很夸张透视变形，所以这张照片是把上面很多空白的天空裁掉的。
泡网分: 56.853
帖子: 9344
注册: 2006年11月
1.拍成RAW格式，在Camera&&Raw编辑器里可以进行编辑。
2.JPEG格式用Adobe Bridge CS5预览打开也可用Camera&&Raw进行编辑。
3.用PS校正，
方法：编辑－－变形－－后面多种方法。
泡网分: 1.308
注册: 2011年08月
多谢大家的建议及回复
泡网分: 0.017
注册: 2013年03月
有么 镜头水平放置 人别离的太近或者太靠边 一般都ok
广角不能抬头 除非移轴了 一抬头就倒楼了
泡网分: 0.297
注册: 2013年01月
photoshop里面弄预备一个图层好作对比。
泡网分: 11.216
帖子: 1762
注册: 2009年01月
我使用LR矫正的，其实大部分是不用校正的，除非太过于明显的场景：如海平面成了弧线、人物在边缘等。
&版权所有：&&&&摄像机畸变校正及代码实现
摄像机矩阵
畸变参数和摄像机矩阵获得
需要获得摄像机内部参赛矩阵和畸变参数，有两个方法
1） OpenCV
2） GML Camera Calibration
绘制反畸变网格
class Mesh{
short row = 30;
short col = 30;
public float[]
public float[]
public short[]
vertices = new float[(row+1)*(col+1)*2];
texcoord = new float[(row+1)*(col+1)*2];
indices = new short[(col*2)*row*3];
float dx = 2.f/
float dy = 2.f/
= 602.521f;
double fy = 602.499f;
double cx = 395.002f;
double cy = 321.431f;
double k1 = -0.434543f;
double k2 = 0.174087f;
double k3 = 0;
double p1 = 0.001067f;
double p2 = 0.000148f;
double width = 800;
double height = 600;
for(int i=0; i&= i++)
for (int j = 0; j &= j++) {
double x = (1.0 * j / col * width - cx ) /
double y = (1.0 * (row - i) / row * height - cy) /
double x2 = x*x, y2 = y*y;
double r2 = x2 + y2, _2xy = 2*x*y;
double kr = (1 + ((k3*r2 + k2)*r2 + k1)*r2);
double u = fx*(x*kr + p1*_2xy + p2*(r2 + 2*x2)) +
double v = fy*(y*kr + p1*(r2 + 2*y2) + p2*_2xy) +
v = 1.0 - v/
float vx = -1.f + dx *
float vy = -1.f + dy *
vertices[(i * (col + 1) + j) * 2 + 0] = vx * 1.3f;
vertices[(i * (col + 1) + j) * 2 + 1] = vy * 1.3f;
texcoord[(i * (col + 1) + j) * 2 + 0] = (float)u;
texcoord[(i * (col + 1) + j) * 2 + 1] = (float)v;
for(short i=0; i& i++){
for(short j=0; j& j++){
indices[(col*i+j)*6+0] = (short)((col+1)*(i+0) + (j+0));
indices[(col*i+j)*6+1] = (short)((col+1)*(i+0) + (j+1));
indices[(col*i+j)*6+2] = (short)((col+1)*(i+1) + (j+0));
indices[(col*i+j)*6+3] = (short)((col+1)*(i+0) + (j+1));
indices[(col*i+j)*6+4] = (short)((col+1)*(i+1) + (j+1));
indices[(col*i+j)*6+5] = (short)((col+1)*(i+1) + (j+0));
没有更多推荐了，
加入CSDN，享受更精准的内容推荐，与500万程序员共同成长！问题尼康相机是否能机内矫正畸变和消除色散_百度知道
问题尼康相机是否能机内矫正畸变和消除色散
我有更好的答案
能！但是，一方面需要相关的设置，另一方面需要把相关镜头的信息导入相机，这样才能针对性的进行矫正。
采纳率：94%
来自团队：
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。什么是镜头校正功能？
按时间排序
镜头本身存在以下几种情况畸变 广角端的桶状 长焦端的枕状紫边 大光圈高光比下易出现四角失光 或者叫暗角 大光圈易出现一般来说 价格越贵 材质 做工越好的镜头 以上特点越不明显 同样价位 定焦要好于变焦镜头校正 就是通过软件对这些方面进行修正 当然校正不是万能的 首先并不是所有镜头都有校正数据 其次是如果镜头本身素质不佳 那么校正效果也很一般 理想的状态是优异的镜头配合后期进行校正 可以得到满意的结果
您可以邀请下面用户，快速获得回答
aiyouwoqu3
擅长领域：
在摄影器材分类下共有2454个回答
擅长领域：
在摄影器材分类下共有1670个回答
擅长领域：&&
在摄影器材分类下共有1492个回答
擅长领域：
在摄影器材分类下共有1145个回答
Oo城管大队长oO
擅长领域：&&&&
在摄影器材分类下共有996个回答
fishfish1599
擅长领域：
在摄影器材分类下共有753个回答
加载更多答主
感谢您为社区的和谐贡献力量请选择举报类型
经过核实后将会做出处理感谢您为社区和谐做出贡献
点击可定位违规字符位置
确定要取消此次报名，退出该活动？
请输入私信内容：图像处理，图像分割，特征提取，机器学习，模式识别，深度学习等
摄像机标定矫正畸变
http://www.lxway.com/.htm
摄像机标定误差包括内参（4个）、畸变参数（径向和切向共5个）、外参（平移和旋转共6个）。
误差参数分析：摄像机模型采用针孔模型成像模型，由于中心轴安装问题，这就造成了精度误差，就是所谓的相机内参数误差，使用一个3X3的矩阵表示(A) [fx 0 0 0 0 1].，有四个未知参数；另由于针孔成像采光效率不高，使用了透镜，这就造成的畸变误差：
径向畸变：这是由于透镜先天条件原因（透镜形状），成像仪中心（光学中心）的畸变为0，随着向边缘移动，畸变越厉害。这里有3个参数，k1,k2,k3其中k3是可选参数。
切向畸变：这是摄像机安装过程造成的，如当透镜不完全平行于图像平面的时候产生的。
旋转和平移主要针对外参数，旋转3个角度和平移3个方向6个参数。
棋盘就不介绍了。主要是提取角点，便于后面计算，opencv函数都有函数。书上p423有原理介绍，感兴趣的朋友可以参考书上内容。
opencv实现过程及主要函数介绍：
1.首先获得数据源（视频或图像），我读取的一段自己录的视频；
2.初始化单帧棋盘数据，如6X4，并对棋盘操作提取角点；
用到的函数说明：
CVAPI(int) cvFindChessboardCorners( const void* image, CvSize pattern_size,
CvPoint2D32f* corners,
int* corner_count CV_DEFAULT(NULL),
int flags CV_DEFAULT(CV_CALIB_CB_ADAPTIVE_THRESH+CV_CALIB_CB_NORMALIZE_IMAGE) );
这个函数式找到内角点位置：
输入的棋盘图，必须是8位的灰度或者彩色图像。
pattern_size
棋盘图中每行和每列角点的个数。
检测到的角点
corner_count
输出，角点的个数。如果不是NULL，函数将检测到的角点的个数存储于此变量。
各种操作标志，可以是0或者下面值的组合：
CV_CALIB_CB_ADAPTIVE_THRESH - 使用自适应阈值（通过平均图像亮度计算得到）将图像转换为黑白图，而不是一个固定的阈值。
CV_CALIB_CB_NORMALIZE_IMAGE - 在利用固定阈值或者自适应的阈值进行二值化之前，先使用cvNormalizeHist来均衡化图像亮度。
CV_CALIB_CB_FILTER_QUADS - 使用其他的准则（如轮廓面积，周长，方形形状）来去除在轮廓检测阶段检测到的错误方块。
void cvFindCornerSubPix(const CvArr* image,CvPoint2D32f* corners,int count,CvSize win,CvSize zero_zone,CvTermCriteria criteria)
函数 cvFindCornerSubPix 通过迭代来发现具有子象素精度的角点位置：
输入的图像，必须是8位的灰度或者彩色图像。
输入角点的初始坐标，也存储精确的输出坐标。
搜索窗口的一半尺寸。如果win=（5,5）那么使用（5*2+1）×（5*2+1）=11×11大小的搜索窗口
死区的一半尺寸，死区为不对搜索区的中央位置做求和运算的区域。它是用来避免自相关矩阵出现的某些可能的奇异性。当值为（-1，-1）表示没有死区。
求角点的迭代过程的终止条件。即角点位置的确定，要么迭代数大于某个设定值，或者是精确懂达到某个设定值。criteria可以是最大迭代数目，或者是设定的精确度，也可以是它们的组合。
3.摄像机标定求参数，我们目前求内参和畸变参数进行图像校正；
用到的函数说明：
void cvCalibrateCamera2( const CvMat* object_points, const CvMat* image_points, const CvMat*point_counts, CvSize image_size, CvMat* intrinsic_matrix, CvMat* distortion_coeffs, CvMat* rotation_vectors=NULL, CvMat* translation_vectors=NULL, int flags=0 );
标定函数，求摄像机内参和外参数：
object_points
定标点的世界坐标，为3xN或者Nx3的矩阵，这里N是所有视图中点的总数。
image_points
定标点的图像坐标，为2xN或者Nx2的矩阵，这里N是所有视图中点的总数。
point_counts
向量，指定不同视图里点的数目，1xM或者Mx1向量，M是视图数目。
image_size
图像大小，只用在初始化内参数时。
intrinsic_matrix
输出内参矩阵(A)，如果指定CV_CALIB_USE_INTRINSIC_GUESS和（或）CV_CALIB_FIX_ASPECT_RATION，fx、 fy、 cx和cy部分或者全部必须被初始化。
distortion_coeffs
输出大小为4x1或者1x4的向量，里面为形变参数[k1, k2, p1, p2]。
rotation_vectors
输出大小为3xM或者Mx3的矩阵，里面为旋转向量（旋转矩阵的紧凑表示方式，具体参考函数cvRodrigues2）
translation_vectors
输出大小为3xM或Mx3的矩阵，里面为平移向量。
不同的标志，可以是0，或者下面值的组合：
CV_CALIB_USE_INTRINSIC_GUESS - 内参数矩阵包含fx，fy，cx和cy的初始值。否则，(cx, cy)被初始化到图像中心（这儿用到图像大小），焦距用最小平方差方式计算得到。注意，如果内部参数已知，没有必要使用这个函数，使用cvFindExtrinsicCameraParams2则可。
CV_CALIB_FIX_PRINCIPAL_POINT - 主点在全局优化过程中不变，一直在中心位置或者在其他指定的位置（当CV_CALIB_USE_INTRINSIC_GUESS设置的时候）。
CV_CALIB_FIX_ASPECT_RATIO - 优化过程中认为fx和fy中只有一个独立变量，保持比例fx/fy不变，fx/fy的值跟内参数矩阵初始化时的值一样。在这种情况下， (fx, fy)的实际初始值或者从输入内存矩阵中读取（当CV_CALIB_USE_INTRINSIC_GUESS被指定时），或者采用估计值（后者情况中fx和fy可能被设置为任意值，只有比值被使用）。
CV_CALIB_ZERO_TANGENT_DIST – 切向形变参数(p1, p2)被设置为0，其值在优化过程中保持为0。
4.矫正，利用上步求得的参数对图像进行矫正。
用到的函数说明，有两种方法进行矫正，下面都介绍一下：
a.使用cvInitUndistortMap()和cvRemap()来处理，前者用来计算畸变映射，后者把求得的映射应用到图像。
void cvInitUndistortMap( const CvMat* intrinsic_matrix, const CvMat* distortion_coeffs, CvArr* mapx, CvArr* mapy );
这个函数计算畸变映射，其中intrinsic_matrix摄像机内参数矩阵(A) [fx 0 0 0 0 1].distortion_coeffs形变系数向量[k1, k2, p1, p2，k3]，大小为5x1或者1x5。mapx为x坐标的对应矩阵。mapy为y坐标的对应矩阵。
void cvRemap( const CvArr* src, CvArr* dst,const CvArr* mapx, const CvArr* mapy,int flags=CV_INTER_LINEAR+CV_WARP_FILL_OUTLIERS,CvScalar fillval=cvScalarAll(0) );
对图像进行普通几何变换,求得矫正图像：
x坐标的映射 (32fC1 image).
y坐标的映射 (32fC1 image).
插值方法和以下开关选项的组合:
CV_WARP_FILL_OUTLIERS - 填充边界外的像素. 如果输出图像的部分象素落在变换后的边界外，那么它们的值设定为 fillval。
函数cvInitUndistortMap预先计算非形变对应－正确图像的每个像素在形变图像里的坐标。这个对应可以传递给cvRemap函数（跟输入和输出图像一起）。
b.使用cvUndistort2()这个函数一次完成所有事项，不推荐。
CVAPI(void) cvUndistort2( const CvArr* src, CvArr* dst,
const CvMat* camera_matrix,
const CvMat* distortion_coeffs,
const CvMat* new_camera_matrix CV_DEFAULT(0) );
函数说明：
其中,src为输入图像，dst为输出图像.，camera_matrix摄像机内参数矩阵(A) [fx 0 0 0 0 1]，distortion_coeffs形变系数向量[k1, k2, p1, p2，k3]，大小为5x1或者1x5。
建议还是使用第一种算法，因为计算畸变映射是一个耗时的操作，当畸变映射不变的时候，使用第一种效率更高。
本人实验效果如下：
代码这里就不留了，opencv也有类似的源码，有需要的朋友留下联系方式可以发给你们，共勉！
没有更多推荐了，
加入CSDN，享受更精准的内容推荐，与500万程序员共同成长！}