工业视觉中的尺寸换算看起来很简单：先确定一个像素对应多少毫米，再把图像中的像素距离乘以这个比例，就能得到实际尺寸。这个方法成立有一个重要前提，即整个测量区域内的成像倍率基本一致。理想镜头能够把物方平面按照固定比例投影到传感器上，但真实光学系统受到镜片形状、组合结构、视场角以及设计取舍影响，不同位置的放大关系并不完全相同。于是图像中心建立的像素—毫米比例，到了视场边缘未必仍然保持完全一致，这正是镜头畸变对视觉测量产生影响的基础。
常见的几何畸变主要表现为桶形和枕形。桶形畸变会使远离图像中心的位置出现向外鼓出的视觉效果，原本应当保持笔直的线条在画面边缘向外弯曲；枕形畸变的变化方向相反，边缘线条呈现向内收缩的趋势。还有一些镜头会出现更复杂的混合畸变，使畸变方向在不同半径区域发生变化。肉眼观察工业零件照片时，这些变化可能并不明显，但尺寸测量依赖的恰恰是边缘坐标。一条边缘哪怕只发生很小的位置偏移，经过像素尺寸换算以后，也会直接进入最终测量结果。
畸变与普通透视变形需要分开理解。镜头畸变来自光学系统本身的映射特性，而透视变化更多来自相机、镜头和被测平面之间的空间姿态。如果相机光轴没有垂直于测量平面，靠近镜头的一侧会显得更大，远离的一侧会显得更小，即使使用几何畸变很低的镜头，仍然可能出现梯形变化。实际视觉测量中，两类误差还可能同时存在，因此看到矩形零件在图像中发生变形，并不能直接认定全部来自镜头。
对于只判断“有没有”“颜色对不对”或者进行较粗略分类的视觉任务，少量畸变可能不会明显影响结果。但在孔距、外径、槽宽、端子位置、零件轮廓和装配间隙测量中，情况完全不同。算法最终比较的是两个或多个图像坐标，只要这些坐标位于视场不同区域，局部倍率差异就会进入结果。一个位于画面中心的零件测量正常，移动到画面边缘以后尺寸开始发生系统性变化，就是镜头畸变或整体标定模型不足时很有代表性的表现。
这种误差具有一个重要特点：它通常不是随机噪声。光照波动、图像噪声和边缘提取误差容易造成数值上下波动，而光学畸变更多表现为空间相关的系统误差。零件放在相同位置反复测量时，结果可能非常稳定；只有当零件位置发生变化，测量值才出现有规律的偏差。因此，仅通过重复性测试并不能证明一套视觉测量系统的几何精度合格。重复性很好，只能说明在当前位置反复得到接近的结果，并不代表不同视场位置具有相同测量尺度。
视场越大，这类问题通常越值得关注。为了用一台相机覆盖更大的区域，系统往往需要采用较大的视角或者较短的工作距离，而广视场光学设计更容易使中心和边缘成像条件产生明显差异。不过不能简单地把“广角镜头”等同于“一定不适合测量”，因为不同镜头设计对畸变控制能力存在很大差别。真正应该检查的是镜头在实际工作距离、传感器尺寸和视场条件下的畸变表现，以及校准后能否达到测量任务要求。
镜头焦距本身也不是判断畸变大小的唯一依据。同样焦距的不同镜头，由于光学结构、适配靶面和设计目标不同，畸变水平可能存在明显差异。一些镜头强调紧凑和大视场，一些则更重视几何成像质量。工业视觉系统如果承担精密测量，不能只根据“焦距能覆盖视场”完成镜头选择，还需要关注其是否适合计量用途。否则相机分辨率即使很高，实际空间坐标仍可能受到光学几何误差限制。
传感器尺寸与镜头匹配也会影响实际使用区域。如果镜头设计支持的成像范围较大，而实际只使用其中较中心的区域，畸变影响可能相对容易控制；如果传感器已经接近镜头允许的整个像场，图像最外围区域的成像特性就更加重要。这也是为什么更换更大靶面的工业相机后，原来使用正常的镜头不一定仍适合高精度测量。问题不仅可能表现为暗角和清晰度下降，也可能暴露出过去没有利用到的边缘畸变区域。
尺寸测量还会受到被测物高度变化影响。普通镜头属于透视成像结构，物体与镜头距离改变以后，成像倍率也会变化。如果被测零件厚度不同、输送带存在高度波动，或者工件表面并不处于同一个平面，即使镜头畸变已经经过校正，物距变化仍可能造成尺寸比例改变。这样的误差和畸变在结果上很容易混在一起：零件移动到不同位置时高度刚好也发生变化，最后看起来像“镜头边缘测不准”。因此，高精度视觉测量必须同时控制平面位置和高度条件。
远心镜头之所以常用于精密尺寸测量，一个重要原因是它能够显著减弱普通透视成像中物距变化对倍率的影响，并改善边缘几何表现。对于有一定高度差、需要稳定测量轮廓或尺寸的零件，这种成像方式具有明显优势。不过远心镜头并不意味着系统从此不存在任何几何误差。镜头本身仍有光学设计指标，相机安装、标定、工件姿态和边缘提取算法仍然会影响最终测量结果。使用远心镜头只是改变了误差结构，而不是取消了标定需求。
视觉标定的意义，就是建立图像坐标与真实空间之间更准确的对应关系。如果只用一把标尺在图像中心测出“每像素多少毫米”，实际上得到的是一个局部比例模型。对于畸变明显或视场较大的系统，这种模型无法描述整个画面的非线性变化。更完整的二维标定通常会使用具有已知几何尺寸的标定目标，在视场多个位置建立图像坐标与实际坐标之间的映射，同时估计光学畸变和相机姿态。经过校正以后，不同视场位置的几何一致性可以得到明显改善。
标定板自身精度会直接限制标定结果。如果视觉系统希望进行精密尺寸测量，却使用打印纸、普通办公室打印机或者尺寸无法追溯的图案作为高精度基准，那么软件即使计算出非常复杂的校正模型，也只是把一个不准确的物理基准映射到了图像中。测量系统的精度不可能高于整个标定链中最薄弱的环节。因此，标定目标的尺寸精度、平整度以及安装姿态，都应该与最终测量要求相匹配。
标定完成以后，相机和镜头的位置也应保持稳定。镜头如果重新调焦、相机受到碰撞、支架发生位移或者工作距离改变，原来的空间映射关系都可能发生变化。某些现场故障表现为视觉系统刚安装时测量准确，设备维护之后数值开始整体偏移，但软件和算法没有任何改动。此时就应检查光学系统是否被重新调整过，而不是只从程序参数中寻找原因。对于计量性质较强的视觉系统，机械安装稳定性本身就是测量系统的一部分。
镜头调焦也可能带来轻微倍率变化。普通工业镜头在改变焦点位置时，内部镜组相对位置会变化，不同设计的镜头在调焦过程中可能伴随不同程度的视场变化。如果系统完成标定以后又重新转动对焦环，使图像看起来“更清晰”，原来的像素—空间关系未必完全保持不变。对于普通缺陷检测，这种变化可能没有实际影响；对于高精度尺寸测量，则可能需要重新确认标定状态。
边缘检测算法还会把光学问题进一步转化为数字坐标问题。镜头边缘区域除了可能存在几何畸变，还可能出现分辨率下降、像差增加或照度变化。如果零件边缘变得不够锐利，算法确定边缘位置时的不确定性也会增加。于是同一个视场边缘位置可能同时存在两种影响：一方面是几何位置发生系统性偏移，另一方面是边缘提取重复性下降。这两者需要分别处理，不能把所有尺寸误差都归结为畸变参数。
照明变化同样会影响尺寸测量，尤其是使用普通灰度边缘检测时。金属件反光、背光边缘散射或表面亮度变化都会改变灰度过渡位置。如果镜头本身又存在畸变，最终得到的误差就会由光学映射和图像处理共同组成。因此，在验证镜头畸变影响时，应尽量保证工件高度、照明、焦点和算法参数稳定，只改变被测目标在视场中的位置。这样才能判断尺寸变化到底是不是由空间成像关系造成。
一种非常实用的验证思路，是让同一个尺寸稳定的标准件在视场中心、四周和边缘多个位置分别测量。如果系统的几何模型可靠，同一个标准尺寸不应因为画面位置变化而出现明显的规律性偏差。如果测量值从中心向边缘逐渐增加或减小，且重复放置仍能重现相同趋势，就应该重点检查镜头畸变、标定模型和相机姿态。相比只在中心位置反复测几十次，这类空间一致性测试更能暴露视觉计量系统的问题。
需要特别注意的是，软件畸变校正并不能无限弥补不合适的光学系统。图像严重畸变后，通过数学变换可以修正几何位置，但重新采样会对像素数据进行插值，而且视场边缘原本的光学分辨率并不会因为软件校正而自动提高。如果测量任务本身已经接近系统分辨能力，最好在光学设计阶段就尽量降低几何畸变，而不是把所有问题留给后处理。
另外，不能只根据图像“看起来很直”判断畸变已经足够小。人的视觉对轻微几何变化并不敏感，而机器测量可能需要分辨非常小的位置差异。对于一个占据上千像素的零件，即便相对几何偏差看起来不明显，换算到实际尺寸后也可能已经超过允许误差。因此，机器视觉测量中的镜头评价必须通过数据完成，而不是依靠主观观察照片是否漂亮。
工业相机的高像素数同样不能自动消除镜头畸变。一台更高分辨率相机确实能够提供更多图像采样点，但如果镜头把真实世界以错误的几何比例投影到了传感器上，那么更多像素只会更细致地记录这种失真。分辨率解决的是能够区分多小的图像细节，几何校准解决的是这些细节对应真实空间中的什么位置，两者属于不同层面。
对于长期运行的视觉测量设备，还应该关注标定状态是否随时间发生变化。温度变化可能引起机械支架和镜头组件微小尺寸变化，设备振动也可能逐渐改变安装位置。如果生产过程中对尺寸结果要求较高，可以通过标准件定期验证整个测量链的空间一致性。验证对象应是从镜头、相机、安装结构到软件算法的完整系统，而不是只确认相机仍然能够正常出图。
工业镜头畸变真正影响的，是图像坐标与真实尺寸之间的可信关系。只要视觉系统开始承担计量任务，就不能把镜头仅仅当成“把画面拍清楚”的附件。镜头决定光学映射，相机负责采样，标定负责把这种映射转换为可使用的空间坐标，算法再从坐标中计算尺寸。任何一层存在未经控制的几何误差，都可能让一个重复性看起来很好的测量系统持续输出稳定却不准确的结果。
