ergevv的博客

摘要：图像中心过亮、边缘较暗的现象称为渐晕，主要由光学遮挡（大光圈或广角镜头更明显）、机械遮挡（滤镜或遮光罩不当）及自然光衰减（cos⁴定律）导致。廉价或手机镜头因设计简化、结构紧凑更易出现。可通过缩小光圈、移除多余滤镜或后期校正改善。实际是边缘失光而非中心增亮。（149字）

本文基于针孔相机模型推导了视场角（FOV）的计算公式。通过相机内参矩阵（包含焦距fx、fy和主点cx、cy）和图像分辨率（W×H），分别给出了水平视场角（HFOV）和垂直视场角（VFOV）的精确表达式。当主点居中时，公式可简化为2*arctan(W/(2fx))的形式。同时提供了对角线视场角（DFOV）的近似计算方法，并指出FOV计算基于理想无畸变模型，与实际镜头畸变无关。最终给出通用计算公式，所有角度结果以弧度为单位，可转换为度数。

本文通过高斯透镜公式解释了定焦镜头成像原理。公式1/f=1/u+1/v表明，通过调整像距v（镜头到感光元件的距离），可使不同物距u的物体清晰成像。推导过程基于相似三角形关系，揭示了物距、像距与焦距的数学关系。同时指出针孔相机模型中的"焦距"与高斯透镜中像距v的相似性，但强调二者理论基础不同：针孔模型简化成像过程，而高斯透镜公式精确描述含透镜的光学系统。当针孔模型"焦距"增大时，其效果类似于增加高斯公式中的像距v。

摘要：固定USB摄像头设备名称的方法 当使用多个USB摄像头时，由于系统分配的设备名称（如/dev/video0、/dev/video2）可能变化，可以通过修改udev规则来固定设备名称。

双目相机标定流程与验证 本文详细介绍了双目相机的标定流程，主要包括四个关键步骤：图像采集、单目内参标定、双目外参标定和结果验证。标定过程中强调图像多样性（多角度、多距离）对精度的影响，建议采用"三个距离+三个角度+两个高度"的拍摄原则。标定完成后需通过重投影误差（应<1像素）、基线长度一致性和极线对齐等多维度验证标定质量。实验表明，MATLAB在特征点匹配精度上优于OpenCV，而圆形和棋盘格标定板各有优劣。文中还提供了MATLAB实现的圆形标定代码，包括单目标和双目标定模块

灰度相机与RGB相机的对比分析 灰度相机在灵敏度、分辨率、处理速度和成本效益方面表现突出，适合低光环境、高效处理和计算机视觉任务，但缺乏颜色信息。RGB相机提供丰富色彩，适用于摄影、医疗等需要颜色识别的场景，但存在光敏感度低、分辨率受限和计算需求高的缺点。选择相机类型需根据具体应用需求：性能优先选灰度相机，色彩优先选RGB相机。

探讨双目视觉系统中影响深度计算精度的关键因素，主要包括基线长度、相机焦距（像素单位）、视差匹配精度和物体距离。

基于相机内参推导透视投影矩阵、splatam非标准投影矩阵

结构相似性指数（Structural Similarity Index, SSIM），评估图像相似度

相机拍照时可调整的参数

网口相机和usb相机的优劣性