OpenCV（cv2）Python findChessboardCorners 在看似简单的棋盘上失败

Question

我有以下从相机拍摄的棋盘图像：

这是我的最小工作示例代码：

import cv2
print(cv2.__version__)
left_gray = cv2.imread('left_raw.jpg', cv2.CV_LOAD_IMAGE_GRAYSCALE)
print(left_gray.shape)
ret, left_corners  = cv2.findChessboardCorners(left_gray, (6,5))
print(left_corners)

这是输出，表明没有找到角点：

2.4.13.1
(1080, 1920)
None

我阅读了其他几个 StackOverflow 问题：

1. This question 是关于 opencv2 在“看似简单的场景”中失败，但我相信我拥有的图像要简单得多，因为这个图像具有完全裁剪的棋盘版本。就我而言，我有一个棋盘，放在一些白色的打印纸上。
2. This question 是关于高分辨率图像的失败。我不确定我使用的相机是否是高分辨率的，但我的图像与那个问题不同，因为这里的棋盘（大致）居中并且没有完全倾斜。
3. This question 是关于“完美”棋盘上的失败。但是，那个是对称的，而我的图像不是对称的（它有 6 行和 7 列），我将 (5,6) 的输入用于我的棋盘。我还尝试了 (6,5)，以防万一我倒退了，但没有运气。
4. This question 是关于有人把尺寸弄错了。用户声称如果我们有一个 (10,7) 板，函数的输入应该是 (9,7) 其中 10 = 列数，7 = 原始板中的行数。但是，我认为我们必须从 both 维度中减去一个。在任何情况下，我都尝试使用 (7,5) 和其他一些变体来制作我的图像，但没有一种情况有效。
5. This question 是关于 MATLAB 的，但代码与 Python 应该没有太大的不同，并且该用户在检测图像方面取得了一些成功，即使是在比我所拥有的复杂得多的情况下。

在这一点上，我对如何找到角落有点迷茫。有没有人想分享一些建议？如果您想测试它们，图像和代码就在这里。我还应该指出，我在拍摄图像时尝试增加原始相机的亮度但没有运气。

Answer 1

我使用cv2.goodFeaturesToTrack()获得了满意的结果。

代码：

corners = cv2.goodFeaturesToTrack(gray_img,25,0.01,10)
corners = np.int0(corners)

for i in corners:
    x,y = i.ravel()
    cv2.circle(img,(x,y),3,(0,0,255),-1)

cv2.imshow('Corners',img)

我知道这不准确，但通过一些预处理应该能够获得更好的结果。

:D

Answer 2

这是我在以下环境中可以获得的最佳结果：

• OpenCV 3.2
• 棋盘大小：5x5
• 图像在每个维度上缩小了两个
• 用CLAHE算法预处理的图像

C++ 代码：

cv::Mat img = cv::imread("klpVW.jpg", cv::IMREAD_GRAYSCALE);
cv::resize(img, img, cv::Size(), 0.5, 0.5);
cv::Ptr<cv::CLAHE> clahe = cv::createCLAHE();
clahe->apply(img, img);

std::vector<cv::Point2f> corners;
cv::Size boardSize(5, 5);
bool found = cv::findChessboardCorners(img, boardSize, corners);
std::cout << "found=" << found << std::endl;
cv::Mat display(img.size(), CV_8UC3);
cv::cvtColor(img, display, cv::COLOR_GRAY2BGR);
cv::drawChessboardCorners(display, boardSize, cv::Mat(corners), found);

cv::imshow("Chessboard corners", display);
cv::imwrite("test_chessboard_corners.png", display);
cv::waitKey(0);

由于您的 OpenCV 版本不同，您可能会得到不同的结果。不管怎样，你应该改用这个 OpenCV pattern（你的对我来说似乎略有不同），并记住校准模式必须尽可能平坦才能获得良好的校准结果。