机器视觉径向畸变校正分步实现（标定，四，最小二乘法计算径向畸变）

看图，曾经说过，发现径向畸变值数量级是ok的，最后核实算法也是ok的，但径向畸变值是负值？又找了找，发现径向畸变值大数据出来后，恍然明白了（数据中非常多的负值，相同数量级）。为什么数据有正有负数？说明观察数据还不够（数据行列满篇，仅仅只看左上角，还有其他八个区域呢？分析数据是很有前途，你看多普勒三大行星定律，上天给数据（师傅领进门），多普勒很靠谱）！即使计算正确又有什么用呢？那么请在下一版本中，给出答案（大哥，已经5个版本了，intel处理器仅仅酷睿都十代了，你这都知足了？我看你行！别叽歪）。

我们来看一看最小二乘法计算径向畸变，代码如下：（注重了算法，丢失了其他）

   float 径向参数1 = 0;//B          
            double globrr = 0;//A
            double globrrrr = 0;//D
            double CCC = 0;//C

            float 径向参数2 = 0;  //B  
            double globrrJ = 0;//A
            double globrrrrJ = 0;//D
            double CCCJ = 0;//C
            //注意考虑插补值【0，0】问题，然后再向下201709131620
            if (lastRePlus.Count != 0)//list，旋转后正四格1600；
            {
                int zeroCount = 0;//需要修改为arr2D，201709181707
                for (int i = 0; i < lastRePlus.Count; i++)
                {
                    for (int j = 0; j < lastRePlus[i].Count; j++)
                    {
                        if (0 == lastRePlus[i][j].X && 0 == lastRePlus[i][j].Y)
                        {
                            zeroCount++;
                            continue;
                        }
                        double rr = ((lastRePlus[i][j].X - wban) * (lastRePlus[i][j].X - wban) +
                                       (lastRePlus[i][j].Y - hban) * (lastRePlus[i][j].Y - hban));

                        float 以X得到的径向参数 = (旋转后正四格all[i * lastRePlus[i].Count + j].X - wban) / (lastRePlus[i][j].X - wban);
                        径向参数1 += 以X得到的径向参数;//B                                             
                        globrr += rr;//A
                        globrrrr += rr * rr;//D
                        CCC += 以X得到的径向参数 * rr;//C
                        ///
                        float 以Y得到的径向参数 = (旋转后正四格all[i * lastRePlus[i].Count + j].Y - hban) / (lastRePlus[i][j].Y - hban);
                        径向参数2 += 以Y得到的径向参数;//BJ
                        CCCJ += 以Y得到的径向参数 * rr;//CJ
                        globrrJ += rr;//AJ
                        globrrrrJ += rr * rr;//DJ
                    }
                }
                int count = 旋转后正四格all.Count - zeroCount;
                最小二乘径向参数 = (float)((count * CCC - globrr * 径向参数1) / (count * globrrrr - globrr * globrr));//最小二乘201709131656            
                textBox50.Text = 最小二乘径向参数.ToString();

                最小二乘径向参数 = (float)((count * CCCJ - globrrJ * 径向参数2) / (count * globrrrrJ - globrrJ * globrrJ));//最小二乘201709131656              
                textBox49.Text = 最小二乘径向参数.ToString();
                //径向畸变I和j方向差异太大（不在一个数量级），应给出报警//201709200822

}

标定相关：

1，以前曾经遇到过不能标定的问题，因为标定板是1mm*1mm的方格，而工作的视野是0.8mm*0.6mm，一个格子都装不下，如何标定呢？

这种情况怎么对付？好在镜头选型时，镜头给出的畸变参数，计算后足以忽略误差，对工作无影响。

2，另一种情况，标定板能覆盖1024*768分辨率，而不能覆盖1600*1200，这种情况，又如何标定？要么，更换更大的标定板，要么在无可用的情况下，从1600*1200中取1024*768图像进行标定，并且工作图像也只取1024*768，即1600*1200相机降级为1024*768相机了（原来只用买一个500万的工业相机就可以了，小于500百万的相机，用此法）。

3，其实在机器视觉中，目标决定视野，视野决定镜头和ccd相机，为什么机器视觉可以解决视觉畸变问题，道理在此

4，现在我们也有一种方法来验证镜头径向畸变的好坏，如果你的未畸变网格与亚像素角点重合越多，则镜头畸变越小，这似乎变成了经验之谈

5，在机器视觉中，是不可能出现切向畸变的，如果有，机器视觉标准已经把你置之门外了。而且径向畸变已经写在镜头选型中了，这就是标定在机器视觉中式微的原因，这也是工业镜头和ccd相机高大上贵的原因（标定消化在硬件之中了）。

6，机器视觉如果没有精确二字，就没有存在的价值了。

7，为什么还要标定，消除人性的不放心，其次也算两条腿走路，另外标定还会提供比例尺和坐标系。标定很重要，他是藏在机器视觉中的人工智能。

/以上0510，以下05111251

谁说径向畸变k值不可以为负数？原来他可以为负数，今天找到了原因，请看曾经的初心：

这说明一个问题：人的记忆力不可靠，所以要及时做笔记

目标巅峰（专注标定）时期的考虑，非当下能比，为什么要那样做，为什么用这样的数据，此时是惘然的。