OpenCV相机校准问题：findCirclesGrid检测的圆心精度极低

• 优化图像预处理

  • 先给图像做高斯模糊（cv2.GaussianBlur()），用ksize=(5,5)、sigmaX=1.5这类参数消除高频噪声，避免干扰Blob中心计算。
  • 用CLAHE（cv2.createCLAHE()）增强局部对比度，或者cv2.equalizeHist()做直方图均衡，让圆形边缘更清晰。
  • 换用自适应阈值（cv2.adaptiveThreshold()）分割图像，比普通二值化更能应对光照不均，让圆形和背景分离更彻底。

• 适配标定板的Blob检测参数调整

  • 别只调基础参数，把filterByCircularity设为True，minCircularity拉到0.8-0.9，过滤掉非圆形干扰物。
  • 开启filterByConvexity，设置minConvexity=0.9，排除边缘破损的圆形。
  • 把minDistBetweenBlobs设为圆形直径的1.2-1.5倍，避免相邻圆形检测互相干扰。
  • 直接用cv2.findCirclesGrid()代替手动调用SimpleBlobDetector，指定flags=cv2.CALIB_CB_ASYMMETRIC_GRID适配不对称网格，这个函数是专门针对标定板场景优化的。

• 亚像素级圆心细化

  • 检测到初步圆心后，对每个圆形区域用cv2.Canny()提取边缘，再用cv2.fitEllipse()拟合椭圆——透视变形下的圆形会呈椭圆，拟合出的椭圆中心就是更精准的圆心。
  • 或者用cv2.minEnclosingCircle()基于Blob轮廓重新计算圆心，这个函数会根据轮廓点集给出更准确的中心坐标。

• 拍摄环节优化

  • 多拍几种标定板与镜头的夹角，别只拍极端倾斜的角度，避免圆形过度变形。
  • 保证光照均匀，别让标定板上有反光或阴影，反光会模糊边缘，直接影响中心计算精度。
  • 用最高分辨率拍摄，更多像素能提供更精细的边缘信息。

• 标定前的异常点筛选

  • 批量处理图像时，先检查每张图的圆心排列，剔除明显偏离网格的异常点，再进入标定流程，避免坏点拉低整体精度。

内容的提问来源于stack exchange，提问作者Innealtoir