OpenCV-python无法识别热成像图像棋盘格，求解决方案

一、强化图像预处理（解决热成像对比度/噪声问题） #

热成像图像普遍存在对比度低、噪声多的问题，仅靠归一化不够，试试这些预处理步骤：

• 对比度增强：用CLAHE（限制对比度自适应直方图均衡）替代普通归一化后的处理，避免局部过曝：

  import cv2
  import numpy as np
  import pandas as pd
  
  thermal = pd.read_csv("thermal.csv", header=None)
  th_norm = cv2.normalize(np.asanyarray(thermal), None, 0, 255, cv2.NORM_MINMAX).astype(np.uint8)
  # 添加CLAHE增强
  clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
  th_enhanced = clahe.apply(th_norm)
  

• 降噪处理：低分辨率热成像噪声明显，用高斯模糊平滑后再检测：

  th_blurred = cv2.GaussianBlur(th_enhanced, (3,3), 0)
  

• 二值化辅助：用Otsu自动阈值生成二值图，强化棋盘格黑白边界：

  _, th_binary = cv2.threshold(th_enhanced, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
  

二、调整检测函数与参数 #

你当前用的findChessboardCornersSB更适合高分辨率图像的亚像素检测，低分辨率下换成传统检测函数+适配热成像的flags更有效：

• 改用基础版findChessboardCorners，搭配自适应阈值类flags：

  # 用增强/模糊后的图像检测，这里以th_blurred为例
  found, corners = cv2.findChessboardCorners(th_blurred, (9,5), flags=cv2.CALIB_CB_ADAPTIVE_THRESH + cv2.CALIB_CB_NORMALIZE_IMAGE + cv2.CALIB_CB_FAST_CHECK)
  

• 如果检测到角点，用cornerSubPix细化精度：

  if found:
      # 设置迭代终止条件
      criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
      corners_refined = cv2.cornerSubPix(th_blurred, corners, (11,11), (-1,-1), criteria)
  

三、额外排查点 #

• 确认棋盘格内角点数量是否正确：你代码里的(9,5)是棋盘格的内角点行数×列数，要和实际热成像里的棋盘格完全匹配，别把棋盘格的总格子数当成内角点数。
• 检查热成像图像是否有局部过曝/欠曝：如果棋盘格部分区域温度差异极小，可能需要调整归一化的参数，或者手动裁剪出棋盘格区域再检测（减少背景干扰）。

内容的提问来源于stack exchange，提问作者준서이