OpenCV（cv::findChessboardCorners()）

• 1. 函数原型
• 2. 使用场景
• 3. 工作原理
• 4. 示例
  • 4.1 角点精细化
  • 4.2 附加标志
• 5. 注意事项

cv::findChessboardCorners() 是 OpenCV 提供的一个函数，常用于计算机视觉中的棋盘图像角点检测，特别是相机标定（calibration）和三维重建相关的任务中。

1. 函数原型

bool cv::findChessboardCorners(
    InputArray image, 
    Size patternSize, 
    OutputArray corners, 
    int flags = 0
);

参数：

1. image：输入图像，通常是灰度图（单通道）。如果是彩色图像，需要先将其转换为灰度图才能传递给该函数。

2. patternSize：棋盘的内角点数目，表示为 Size(columns, rows)，其中：

   • columns 是棋盘图像中角点的列数（即内部方格数量 - 1）。
   • rows 是棋盘图像中角点的行数（即内部方格数量 - 1）。

3. corners：检测到的棋盘内角点的亚像素级坐标。该输出参数是一个 OutputArray，其内容是一个 vector<Point2f> 类型的角点坐标列表。

4. flags（可选）：用于调整检测过程的附加参数（标志位）。一些可选的标志如下：

   • cv::CALIB_CB_ADAPTIVE_THRESH：自适应阈值化。
   • cv::CALIB_CB_NORMALIZE_IMAGE：归一化图像亮度，通常和 ADAPTIVE_THRESH 一起使用。
   • cv::CALIB_CB_FILTER_QUADS ：筛选出只有四个顶点的四边形。
   • cv::CALIB_CB_FAST_CHECK：快速检查模式，不做角点精确检测，用于减少计算时间。适合用于初步筛选。

返回值：

• 返回值为 bool 类型。如果成功检测到角点，返回 true；否则返回 false。这个值表明函数是否成功找到了指定数量的棋盘角点。

2. 使用场景

cv::findChessboardCorners() 主要用于：

• 相机标定：检测棋盘的角点，用于后续标定过程中计算相机的内参、外参和畸变系数。
• 立体视觉中的校正：在左右两个摄像头图像中找到匹配的棋盘角点，进行立体校正。
• 3D 重建：通过多视角的角点信息，推断棋盘相对于相机的 3D 位姿。

3. 工作原理

cv::findChessboardCorners() 使用图像处理和模式识别的方法来检测棋盘图像中的角点。这些角点是棋盘中黑白格子交界的内角点，因此角点的数量是基于指定的 patternSize，即棋盘中内部的格子数。

4. 示例

#include <opencv2/opencv.hpp>
using namespace cv;

int main() {
    Mat image = imread("chessboard.jpg", IMREAD_GRAYSCALE);
    Size patternSize(7, 7);  // 假设棋盘有 7x7 个内角点

    std::vector<Point2f> corners;
    bool found = findChessboardCorners(image, patternSize, corners, CALIB_CB_ADAPTIVE_THRESH | CALIB_CB_NORMALIZE_IMAGE);

    if (found) {
        // 角点精细化
        cornerSubPix(image, corners, Size(11, 11), Size(-1, -1), TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, 30, 0.1));

        // 绘制检测到的角点
        drawChessboardCorners(image, patternSize, Mat(corners), found);
        imshow("Corners", image);
        waitKey(0);
    }

    return 0;
}

在这个示例中，程序加载棋盘图像并调用 findChessboardCorners() 查找 7x7 个内角点，然后绘制这些角点。还调用了 cornerSubPix() 进行角点的亚像素级精度优化。

4.1 角点精细化

角点检测完成后，通常会对角点位置进行精细化（sub-pixel refinement），这可以进一步提高角点位置的准确性。cornerSubPix() 函数用于这个目的，它基于图像的灰度级别对角点进行二次调整，提供亚像素级的精度。

4.2 附加标志

• CALIB_CB_ADAPTIVE_THRESH：自适应阈值化可以更好地处理光照不均匀的情况，特别是在高对比度条件下。
• CALIB_CB_NORMALIZE_IMAGE：归一化图像亮度可以消除光照差异的影响，通常和自适应阈值化结合使用。

5. 注意事项

1. 棋盘的设计：findChessboardCorners() 假设棋盘是由交替的黑白方块组成，因此必须保证棋盘图案规则、清晰且光照均匀。
2. 图像预处理：在某些情况下，可能需要对输入图像进行一些预处理（如平滑、锐化、直方图均衡化）以提高角点检测的精度。
3. 标定图像质量：对于相机标定任务，输入图像中的棋盘角点越多，拍摄的角度越丰富（不同的视角），标定精度会越高。

通过上述介绍可以看出，cv::findChessboardCorners() 是一个功能强大且重要的函数，特别适用于相机标定和立体视觉中的角点检测。