45度倾斜棋盘格的OpenCV角点检测问题求助

针对你遇到的倾斜棋盘格角点检测失败的问题，结合你的代码和提供的图片，可从以下几个关键点调整解决：

1. 修正检测输入图像类型 #

你已经将彩色图转换为灰度图gray，但调用findChessboardCorners时传入的是原始彩色图img——OpenCV的棋盘格检测对灰度图的适配性更好，传入灰度图能有效提升检测精度。

2. 核对棋盘格行列参数格式 #

findChessboardCorners的patternSize参数要求是**(列数, 行数)**（横向角点数量在前，纵向在后）。从你的图片来看，棋盘格横向角点数量明显少于纵向，你当前设置的(12,7)大概率搞反了，建议改成(7,12)（对应7列12行的角点布局）。

3. 优化检测标志位 #

CALIB_USE_INTRINSIC_GUESS标志需要提前拥有相机内参数据才能生效，未做相机校准的情况下使用会干扰检测，建议移除。同时添加CALIB_CB_EXHAUSTIVE标志，该标志会让算法更彻底地搜索角点，适配倾斜、透视变形较大的棋盘格场景。

4. 可选：预处理增强图像对比度 #

针对倾斜导致的边缘模糊问题，可先对灰度图做简单预处理，比如高斯模糊降噪，提升角点辨识度。

修改后的代码示例 #

import cv2
import numpy as np

img = cv2.imread('final0-3_painted.png')
# 转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 修正棋盘格角点行列数：格式为(列数, 行数)
pattern_size = (7, 12)

# 角点细化的终止条件
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)

# 优化后的检测标志
chessboard_flags = cv2.CALIB_CB_ADAPTIVE_THRESH + cv2.CALIB_CB_NORMALIZE_IMAGE + cv2.CALIB_CB_EXHAUSTIVE

# 可选预处理：高斯模糊降噪
gray = cv2.GaussianBlur(gray, (3, 3), 0)

# 传入灰度图检测角点
ret, corners = cv2.findChessboardCorners(gray, pattern_size, chessboard_flags)

if ret:
    # 细化角点位置
    corners_refined = cv2.cornerSubPix(gray, corners, (11,11), (-1,-1), criteria)
    print("检测到的角点：", corners_refined)
    # 可视化验证检测结果
    cv2.drawChessboardCorners(img, pattern_size, corners_refined, ret)
    cv2.imshow('Detected Corners', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
else:
    print("未检测到棋盘格角点")

额外提示 #

• 若仍检测失败，可调整棋盘格的光照条件，避免过暗或反光；
• 确保棋盘格所有角点都在图像范围内，无裁切情况；
• 可尝试用cv2.adaptiveThreshold生成二值图后再进行检测。

内容的提问来源于stack exchange，提问作者mithun janarthanan