看来你在相机标定的棋盘格检测上遇到了不小的麻烦——50多张样本图都没检测到角点确实挺让人头疼的。我结合你的代码和常见的排查经验，给你梳理几个可能的问题点和解决方案：

1. 确认棋盘格内角点参数是否正确 #

你代码里设置的是(7, 6)，这个参数对应的是棋盘格的内角点行列数（不是棋盘方块的数量）。比如如果你的棋盘是横向有7个黑白方块的交点、纵向6个，那没问题，但如果实际棋盘是反过来的（比如横向6、纵向7），或者数量和实际不符，肯定会检测失败。

建议你先对着FailedChessboardSample1这类样本图数清楚：横向有多少个黑白方块的交点，纵向有多少个，这个数字就是你要传入的参数。

2. 增强图像预处理，提升检测鲁棒性 #

findChessboardCorners对图像的对比度、噪声很敏感，你可以在转换灰度后增加几步预处理：

• 直方图均衡化：增强棋盘格和背景的对比度
• 高斯模糊：减少图像噪声，避免误检测
• 自适应阈值：把棋盘格从背景中分离出来

3. 调整findChessboardCorners的检测参数 #

OpenCV提供了几个flags可以提升检测的鲁棒性，建议加上这些参数：

• cv2.CALIB_CB_ADAPTIVE_THRESH：自适应阈值代替固定阈值
• cv2.CALIB_CB_NORMALIZE_IMAGE：归一化图像亮度和对比度
• cv2.CALIB_CB_FAST_CHECK：快速检查图像是否包含棋盘格，节省时间

4. 检查样本图像的质量 #

如果你的样本图存在以下问题，也会导致检测失败：

• 棋盘格部分被图像边缘裁切
• 棋盘格倾斜角度过大、畸变严重
• 图像曝光过度/不足，棋盘格细节丢失
• 图像分辨率太低，棋盘格角点太小

修改后的示例代码 #

我把上述优化点整合到你的代码里了，你可以试试：

import cv2
import glob
import numpy as np

images = glob.glob('Chessboards/*.jpg')
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
# 添加增强鲁棒性的检测flags
detect_flags = cv2.CALIB_CB_ADAPTIVE_THRESH + cv2.CALIB_CB_NORMALIZE_IMAGE + cv2.CALIB_CB_FAST_CHECK

for fname in images:
    print(f"正在处理图片: {fname}")
    img = cv2.imread(fname)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
    # 预处理：直方图均衡化增强对比度
    gray = cv2.equalizeHist(gray)
    # 可选：高斯模糊降噪（如果图像噪声大的话开启）
    # gray = cv2.GaussianBlur(gray, (3, 3), 0)
    
    # 调用带flags的findChessboardCorners
    ret, corners = cv2.findChessboardCorners(gray, (7, 6), flags=detect_flags)
    
    cv2.imshow("当前灰度图", gray)
    cv2.waitKey(200)  # 延长显示时间，方便观察图像状态
    print(f"检测结果: {'成功' if ret else '失败'}")
    
    if ret == True:
        corners2 = cv2.cornerSubPix(gray, corners, (11,11), (-1,-1), criteria)
        img = cv2.drawChessboardCorners(img, (7,6), corners2, ret)
        cv2.imshow(f"检测成功 - {fname}", img)
        cv2.waitKey(0)  # 按任意键继续处理下一张
cv2.destroyAllWindows()

额外建议 #

如果还是检测失败，建议先找一张最清晰、棋盘格摆放最规范的样本图单独测试，确认参数和预处理步骤有效后，再扩展到所有图片。另外，检查你的打印棋盘是否清晰、没有反光或变形，这些物理因素也会严重影响检测效果。

内容的提问来源于stack exchange，提问作者apurva_b