OpenCV棋盘检测问题：寻求棋盘方格识别与提取解决方案

核心问题：内角点数量参数错误 #

cv2.findChessboardCorners的第二个参数要求传入棋盘内角点的行列数（即相邻方格的交叉点数量），而非方格总数。国际象棋是8x8方格，对应的内角点是7x7，你传入的(8,8)是方格数，这是导致识别失败的最直接原因。

其他优化措施 #

实体棋盘的拍摄视角、光照、噪点也会干扰识别，可通过以下方式优化：

• 图像预处理：添加高斯模糊减少噪点，用自适应阈值增强棋盘边缘对比度
• 调整识别参数：启用findChessboardCorners的辅助flags，提升复杂场景下的识别率
• 可视化验证：识别到角点后绘制出来，确认定位是否准确
• 透视变换提取方格：相比直接用mask，透视变换能修正透视变形，得到规整的方格图像

修正后的完整代码 #

import cv2
import numpy as np
import tempfile

def extract_chessboard_squares(image_path, square_rows, square_cols):
    # 方格数转内角点数：内角点 = 方格数 - 1
    corner_rows = square_rows - 1
    corner_cols = square_cols - 1

    # 加载图像
    image = cv2.imread(image_path)
    if image is None:
        print("无法加载图像，请检查路径")
        return None

    # 预处理：高斯模糊+自适应阈值
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5,5), 0)
    thresh = cv2.adaptiveThreshold(blurred, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

    # 查找棋盘角点，启用辅助flags提升识别率
    flags = cv2.CALIB_CB_ADAPTIVE_THRESH | cv2.CALIB_CB_NORMALIZE_IMAGE | cv2.CALIB_CB_FAST_CHECK
    found, corners = cv2.findChessboardCorners(thresh, (corner_cols, corner_rows), flags=flags)

    if found:
        # 细化角点坐标
        criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
        corners = cv2.cornerSubPix(gray, corners, (11,11), (-1,-1), criteria)

        # 可视化角点（可选，用于调试）
        cv2.drawChessboardCorners(image, (corner_cols, corner_rows), corners, found)
        cv2.imshow('Chessboard Corners', image)
        cv2.waitKey(0)
        cv2.destroyAllWindows()

        square_files = [[None]*square_cols for _ in range(square_rows)]
        # 定义每个方格的目标尺寸（比如200x200）
        square_size = (200, 200)

        for row in range(square_rows):
            for col in range(square_cols):
                # 获取当前方格的四个角点（注意角点的排序）
                if row < corner_rows and col < corner_cols:
                    # 方格的四个角点：左上、左下、右下、右上
                    src_pts = np.float32([
                        corners[row*corner_cols + col],
                        corners[(row+1)*corner_cols + col],
                        corners[(row+1)*corner_cols + col + 1],
                        corners[row*corner_cols + col + 1]
                    ])
                else:
                    # 处理边缘方格（如果角点识别完整，这里其实不会触发）
                    continue

                # 目标方格的四个角点
                dst_pts = np.float32([[0,0], [square_size[0],0], square_size, [0,square_size[1]]])

                # 计算透视变换矩阵并应用
                M = cv2.getPerspectiveTransform(src_pts, dst_pts)
                warped_square = cv2.warpPerspective(image, M, square_size)

                # 保存到临时文件
                _, temp_filename = tempfile.mkstemp(suffix='.jpg')
                cv2.imwrite(temp_filename, warped_square)
                square_files[row][col] = temp_filename

        return square_files
    else:
        print("Chessboard not found.")
        return None

# 示例调用：传入方格数（国际象棋8x8）
image_path = 'your_chessboard_image.jpg'
result = extract_chessboard_squares(image_path, 8, 8)
if result:
    print("方格提取完成，临时文件路径列表：")
    for row in result:
        print(row)

关键修改说明 #

1. 参数修正：将传入的方格数自动转为内角点数，避免手动计算错误
2. 预处理增强：高斯模糊降噪，自适应阈值处理不同光照下的棋盘
3. 识别flags：启用CALIB_CB_ADAPTIVE_THRESH等flags，适配不同对比度的图像
4. 透视变换：替代原mask方法，修正透视变形，得到方正的方格图像
5. 调试可视化：添加角点绘制，方便确认识别是否成功

测试建议 #

• 确保棋盘完整出现在图像中，无遮挡
• 尽量保持棋盘平整，极端透视会增加识别难度
• 如果仍无法识别，可尝试调整高斯模糊的核大小（比如(3,3)）或自适应阈值的参数

内容的提问来源于stack exchange，提问作者fish_brain