棋盘格法是摄像机标定中常用的一种方法，在使用该方法时需要对棋盘格的角点进行检测。opencv中封装了一个专门用于棋盘格角点检测的函数即cv::findChessboardCorners()，同时，也提供了一个专门用于绘制棋盘格角点的函数cv::drawChessboardCorners()。下面将对这两个函数进行详细的介绍。

1、cv::findChessboardCorners()棋盘格角点检测

该函数的具体调用形式如下：

 bool cv::findChessboardCorners( // 如果找到角点则返回truecv::InputArray image, // 输入的棋盘格图像（8UC1或8UC3）cv::Size patternSize, // 棋盘格内部角点的行、列数cv::OutputArray corners, // 输出的棋盘格角点int flags = cv::CALIB_CB_ADAPTIVE_THRESH | cv::CALIB_CB_NORMALIZE_IMAGE);

第一个参数是输入的棋盘格图像（可以是8位单通道或三通道图像）。

第二个参数是棋盘格内部的角点的行列数（注意：不是棋盘格的行列数，如下图棋盘格的行列数分别为4、8，而内部角点的行列数分别是3、7，因此这里应该指定为cv::Size(3, 7)）。

第三个参数是检测到的棋盘格角点，类型为std::vector<cv::Point2f>。

第四个参数flag，用于指定在检测棋盘格角点的过程中所应用的一种或多种过滤方法，可以使用下面的一种或多种，如果都是用则使用OR：

cv::CALIB_CB_ADAPTIVE_THRESH：cv::findChessboardCorners()默认的阈值化处理基于平均亮度，如果该标志指定，则使用自适应滤波（自适应滤波见

OpenCV3中的阈值化操作——cv::threshold()与cv::adaptiveThreshold()详解

）。

cv::CALIB_CB_NORMALIZE_IMAGE：阈值化前使用cv::equalizeHist()进行直方图均衡化处理。

cv::CALIB_CB_FILTER_QUADS：

cv::CALIB_CV_FAST_CHECK：

当然，找到的角点还需要使用cv::cornerSubPix()进行精度上的优化（具体请参考OpenCV3中的角点检测——cv::goodFeaturesToTrack()与cv::cornerSubPix()详解）。

2、cv::drawChessboardCorners()棋盘格角点的绘制

cv::drawChessboardCorners()的具体调用形式如下：

 void cv::drawChessboardCorners(cv::InputOutputArray image, // 棋盘格图像（8UC3）即是输入也是输出cv::Size patternSize, // 棋盘格内部角点的行、列数cv::InputArray corners, // findChessboardCorners()输出的角点bool patternWasFound // findChessboardCorners()的返回值);

第一个参数是棋盘格图像（8UC3）。

第二个参数是棋盘格内部角点的行、列，和cv::findChessboardCorners()指定的相同。

第三个参数是检测到的棋盘格角点。

第四个参数是cv::findChessboardCorners()的返回值。

下面是棋盘格检测与绘制的测试代码

 cv::Mat image_color = cv::imread("chessboard.png", cv::IMREAD_COLOR);cv::Mat image_gray;cv::cvtColor(image_color, image_gray, cv::COLOR_BGR2GRAY);std::vector<cv::Point2f> corners;bool ret = cv::findChessboardCorners(image_gray,cv::Size(3, 7),corners,cv::CALIB_CB_ADAPTIVE_THRESH |cv::CALIB_CB_NORMALIZE_IMAGE);//指定亚像素计算迭代标注cv::TermCriteria criteria = cv::TermCriteria(cv::TermCriteria::MAX_ITER + cv::TermCriteria::EPS,40,0.1);//亚像素检测cv::cornerSubPix(image_gray, corners, cv::Size(5, 5), cv::Size(-1, -1), criteria);//角点绘制cv::drawChessboardCorners(image_color, cv::Size(3, 7), corners, ret);cv::imshow("chessboard corners", image_color);cv::waitKey(0);return;

检测和绘制的结果如下：

2017.04.07

【OpenCV3】棋盘格角点检测与绘制——cv::findChessboardCorners()与cv::drawChessboardCorners()详解相关推荐

（20）目标检测算法之YOLOv5计算预选框、详解anchor计算
目标检测算法之YOLOv5计算预选框.详解anchor计算单节段目标检测算法中:预选框的设定直接影响最终的检测精度众所周知,yolov5中采用自适应调整预选框anchor的大小,但万事开头难,配置 ...
matlab三次样条曲线的绘制（spline和csape函数详解）
matlab三次样条函数的绘制(spline和csape函数详解) 前言 1.spline函数详解 1.一维非节点边界 2.第二边界条件 3.高维无约束 4.高维第二边界 5.利用第二边界条件绘制圆 ...
【OpenCV3】角点检测——cv::goodFeaturesToTrack()与cv::cornerSubPix()详解
一提到角点检测,最常用的方法莫过于Harris角点检测,opencv中也提供了Harris角点检测的接口,即cv::cornerHarris(),但是Harris角点检测存在很多缺陷(如角点是像素级别 ...
毛星云opencv之10.1.5综合示例--harris角点检测和绘制
#include <opencv2/opencv.hpp> #include "opencv2/highgui/highgui.hpp" #include " ...
opencv棋盘格角点检测原理总结
第一步,局部平均自适应阈值化方法对亮度不均匀情况适应性强,因此用该方法对图像二值化,均衡化后得到了理想的门限,效果如图2所示. 第二步,图像膨胀分离各个黑块四边形的衔接,由于膨胀的是白色像素点,因此能 ...
harris角点检测与绘制。通过滑动滚动条来控制阈值，以控制检测角点的数量并返回角点坐标
#include<opencv2/opencv.hpp> #include<iostream> using namespace std; using namespace cv; ...
matlab导数曲线怎样画,matlab三次样条曲线的绘制（spline和csape函数详解）
matlab三次样条函数的绘制(spline和csape函数详解) 样条函数是工程中常用的插值函数.早期工程师制图时,把富有弹性的细长木条(所谓样条)用压铁固定在样点上,在其他地方让它自由弯曲,然后沿 ...
【三维目标检测】VoxelNet（三）：模型详解
前两节详细介绍了VoxelNet的数据处理部分,本节主要介绍VoxelNet详细的模型结构及其损失函数.数据处理部分请参考:三维点云目标检测 - VoxelNet详解之数据处理 (二)_Coding的 ...
ROC曲线绘制原理即AUC的意义详解
云走雾走走行程,救苦救难救灾星有求必应,出古洞四海扬名,在深山修真养性 ROC曲线绘制原理即AUC意义详解 ROC曲线绘制原理 ROC曲线常常用来判定一个分类器的分类效果,想要探究ROC曲线的绘制原 ...

【OpenCV3】棋盘格角点检测与绘制——cv::findChessboardCorners()与cv::drawChessboardCorners()详解

OpenCV3中的阈值化操作——cv::threshold()与cv::adaptiveThreshold()详解

【OpenCV3】棋盘格角点检测与绘制——cv::findChessboardCorners()与cv::drawChessboardCorners()详解相关推荐

最新文章

热门文章