在使用 OpenCV-Python 进行相机标定时，处理不同大小圆点的标定板与相同大小圆点标定板的代码逻辑并不完全一致。OpenCV 提供了专门用于检测圆形网格（如标定板上的圆形）的函数 `cv2.findCirclesGrid`，但其行为会根据圆点是否具有统一尺寸而有所不同。 ### 处理统一大小圆点的标定板 当所有圆点具有相同大小时，可以使用标准的圆形网格检测方法。例如： ```python import cv2 # 加载图像 image = cv2.imread("uniform_circles.jpg") gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 设置标定板参数：行列数和期望的圆点布局 pattern_size = (4, 5) # 假设是 4x5 的圆点布局 # 检测圆点 found, centers = cv2.findCirclesGrid(gray, pattern_size, flags=cv2.CALIB_CB_SYMMETRIC_GRID) if found: # 绘制检测到的圆点 cv2.drawChessboardCorners(image, pattern_size, centers, found) cv2.imshow("Detected Circles", image) cv2.waitKey(0) ``` 该方法依赖于对称性假设和固定尺寸的圆点分布[^1]。它适用于设计规则、所有圆点一致的标定板。 --- ### 处理不同大小圆点的标定板 对于包含多个不同大小圆点的标定板，通常需要自定义检测流程。OpenCV 并未提供直接支持非均匀圆点的内置函数，因此需结合图像预处理和特征提取技术进行识别。例如： - 使用中值滤波平滑图像以减少噪声干扰； - 对图像进行二值化处理以增强圆点边界； - 应用形态学操作（如开运算、闭运算）去除小噪声或连接断开的区域； - 利用 Hough 变换或连通域分析检测不同尺寸的圆点。 以下是一个简化的示例流程： ```python import cv2 import numpy as np # 加载图像并转为灰度图 image = cv2.imread("multi_size_circles.jpg") gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 中值滤波去噪 blurred = cv2.medianBlur(gray, 5) # 二值化处理 _, binary = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) # 形态学操作优化轮廓 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)) opened = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel) # 寻找轮廓 contours, _ = cv2.findContours(opened, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 遍历轮廓并筛选出圆形 circles = [] for cnt in contours: approx = cv2.approxPolyDP(cnt, 0.02 * cv2.arcLength(cnt, True), True) if len(approx) > 6: # 近似圆形 (x, y), radius = cv2.minEnclosingCircle(cnt) circles.append((int(x), int(y))) # 绘制检测结果 for center in circles: cv2.circle(image, center, 5, (0, 255, 0), -1) cv2.imshow("Detected Multi-size Circles", image) cv2.waitKey(0) ``` 此方法不依赖于 `findCirclesGrid`，而是基于图像处理和形状分析来识别各种尺寸的圆点。由于圆点尺寸差异较大，无法使用固定的模板匹配或对称性假设，因此必须采用更灵活的检测策略[^2]。 --- ### 总结对比 | 特性 | 相同大小圆点 | 不同大小圆点 | |------|----------------|----------------| | 检测方法 | 使用 `cv2.findCirclesGrid` | 自定义图像处理流程 | | 图像预处理 | 简单阈值处理即可 | 需要滤波、二值化、形态学等步骤 | | 圆点识别精度 | 较高且稳定 | 需调参以适应不同尺寸 | | 适用场景 | 标准圆形标定板 | 特殊设计的多尺度标定板 | 综上所述，OpenCV-Python 在处理不同大小圆点和相同大小圆点标定板时所使用的代码存在显著差异。前者可借助内置函数简化流程，而后者则需要更复杂的图像处理步骤以确保各类尺寸圆点都能被准确识别。