目录

一、概念

二、代码

2.1实现步骤

2.2完整代码

三、实现效果

---

一、概念

        寻找棋盘格角点（Checkerboard Corners）是计算机视觉中相机标定（Camera Calibration）过程的重要步骤。

        OpenCV 提供了函数 cv2.findChessboardCorners 来检测棋盘格图像中的角点，该函数会从图像的左上角开始扫描，以一定的步长（步长由棋盘格的大小和图像分辨率决定）逐行或逐列地寻找具有棋盘格特征的区域。在找到棋盘格特征后，函数会进一步处理这些区域，确定精确的角点位置，并按照从左到右、从上到下的顺序排列这些角点。这些角点用于标定相机内参和畸变系数。

二、代码

2.1实现步骤

1.图像预处理：

• 将图像转换为灰度图像，因为角点检测在灰度图像上更有效。
• 如果图像有噪声，可以使用滤波器进行平滑处理。

2.角点检测：

• 使用 Harris 角点检测或其他基于梯度的检测方法，找到图像中的所有角点。
• 通过几何约束（如角点之间的固定间距）筛选出棋盘格的角点。

3.亚像素级精度优化：

• 使用 cv2.cornerSubPix 对检测到的角点进行优化，提高角点位置的精度。

2.2完整代码

import cv2
import numpy as np
import glob

# 定义棋盘格的大小（内角点的个数）
chessboard_size = (11, 8)  # 11x8的棋盘格

# 图像文件路径
image_files = glob.glob('file_path/*.png')  # 替换为实际图像文件路径模式

# 检测并绘制棋盘格角点
for image_file in image_files:
    # 读取图像
    image = cv2.imread(image_file)
    if image is None:
        print(f"Image at {image_file} not found or failed to read")
        continue

    # 将图像转换为灰度图像
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 寻找棋盘格的角点
    ret, corners = cv2.findChessboardCorners(gray_image, chessboard_size, None)

    # 如果找到角点，则绘制它们
    if ret:
        # 优化角点位置
        criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
        corners2 = cv2.cornerSubPix(gray_image, corners, (11, 11), (-1, -1), criteria)

        # 绘制角点
        cv2.drawChessboardCorners(image, chessboard_size, corners2, ret)

        # 为每个角点添加数字标签
        for i, corner in enumerate(corners2):
            corner = tuple(map(int, corner.ravel()))  # 确保corner是一个包含两个整数值的元组
            cv2.putText(image, str(i+1), corner, cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 1, cv2.LINE_AA)
        # 显示结果
        cv2.imshow('Chessboard Corners', image)
        # 等待用户按下 ESC 键（ASCII 码 27）关闭窗口
        while True:
            if cv2.waitKey(100) == 27:  # 每 0.1 秒检查一次
                break
        # cv2.waitKey(500)  # 等待500毫秒，显示下一张图像
    else:
        print(f"Chessboard corners not found in image {image_file}")

cv2.destroyAllWindows()

三、实现效果