Мне кажется, проще всего объяснять так(все понимают, но не все осознают): рисуем на бумажке круг - это голова человека в разрезе. В стороне от неё берём точку - это наблюдатель(камера, человек или орлиный глаз - неважно). Ставим эту точку совсем близко к кругу, проводим из неё два луча, пересекающих круг только в одной точке каждый. Можем посчитать, чему равна длина сектора между этими двумя точками. А ещё расстояние от точки-наблюдателя до них и до точки сектора, лежащей на прямой между наблюдателем и центром круга. При малом расстоянии от наблюдателя, сектор короткий, пропорциональная разница между отрезками велика. А если отодвигаем наблюдателя, то сектор увеличивается, а разница между расстояниями уменьшается. В какой-то момент нос перестаёт загораживать уши)) И чем дальше уходит наблюдатель, тем больше сектор(значит, больше лицА) и меньше пропорциональная разица расстояний от "носа" до "уха". Мне кажется, если так порисовать на бумаге, станет понятней, что такое перспективные искажения.
А дальше всё просто: от фокусного расстояния зависит то, насколько далеко нужно отойти от объекта, чтобы он получился заданного размера по кадру. То есть, если нужно получиться лицо на весь экран, то шириком нужно снимать в упор, а телеком издалека. Но это НЕ отменяет того, что человек снятый с расстояния телека шириком ПЕРЕстанет искажаться так, как при съёмке в упор. Просто он станет "маленьким"
УПД. Забыл ещё. При этом объектив состоит из набора линз, которые не являются прямыми: они все выпуглые и вогнутые. Блуждая по этим выпуклостям и впуклостям свет искажается и даёт те самые подушки/бочки. Но сама камера и/или конвертор, зная особенности каждого отдельного объектива, исправляет их в бидоны с одеялами :D