cv::findChessboardCornersSB&cv::findChessboardCorners算子详细学习

cv::findChessboardCornersSB算子

cv::findChessboardCornersSB 是 OpenCV 中一种基于 基于分割（Segment-Based） 的棋盘格角点检测算法，相比传统的 cv::findChessboardCorners，它在复杂场景（如高畸变、遮挡、光照不均）下表现更鲁棒。以下是其核心算子和使用方法的详细说明：

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

核心算法特点

• 参数：

  • image：输入图像（8位灰度图或彩色图，彩色图会自动转换为灰度）。

  • patternSize：棋盘格内角点的行列数（如 (9,6) 表示 9列×6行）。

  • corners：输出的角点坐标（std::vector<cv::Point2f>）。

  • flags：控制检测行为的标志（见下文）。

• 返回值：布尔值，表示是否成功检测到所有角点。

• 基于分割的检测：
  先通过边缘检测和连通区域分析分割棋盘格的黑白方格，再通过几何约束（如平行性、正交性）拟合角点位置，而非依赖传统的角点响应函数。

• 优势：

  • 对图像畸变（如鱼眼镜头）鲁棒性更强。

  • 不需要初始的角点近似位置（传统方法依赖 findChessboardCorners 的初始猜测）。

  • 支持非对称棋盘格（通过 CALIB_CB_ASYMMETRIC_GRID 标志）

• flags 参数选项

• 标志	说明
  CALIB_CB_NORMALIZE_IMAGE	预处理时对图像做直方图均衡化。
  CALIB_CB_EXHAUSTIVE	启用更耗时的全局优化，提高检测精度。
  CALIB_CB_ACCURACY	使用更高精度的角点细化方法（类似 cornerSubPix 的集成）。
  CALIB_CB_ASYMMETRIC_GRID	检测非对称棋盘格（如 (5,3) 的 ChArUco 板）。
  CALIB_CB_CLUSTERING	对遮挡或噪声场景使用聚类分析。

cv::findChessboardCorners()算子

• 功能：自动检测棋盘格角点的初始位置。

• 参数：

  • image：输入图像（需为8位灰度图）。

  • patternSize：棋盘格内角点的行列数（如 (9,6) 表示9列6行）。

  • corners：输出的角点坐标（std::vector<cv::Point2f>）。

  • flags：控制检测方式的标志（见下文）。

• 返回值：布尔值，表示是否成功检测到所有角点。

cv::cornerSubPix()

• 功能：对初始角点坐标进行亚像素级精细化。

• 参数：

  • image：输入灰度图。

  • corners：初始角点（输入输出参数）。

  • winSize：搜索窗口大小（如 (11,11)）。

  • zeroZone：忽略的死区大小。

  • criteria：迭代终止条件（如最大迭代次数/精度）。

检测标志（flags 参数）

通过 cv::findChessboardCorners 的 flags 参数可调整检测策略：

• CALIB_CB_ADAPTIVE_THRESH：使用自适应二值化（推荐）。

• CALIB_CB_NORMALIZE_IMAGE：先对图像做直方图均衡化。

• CALIB_CB_FILTER_QUADS：过滤错误四边形区域。

• CALIB_CB_FAST_CHECK：快速检测（可能漏检，适合实时场景）。