python - 在大图像中使用 findCirclesGrid()

Question

我在 Python 2.7 中使用 OpenCV 3 来校准不同的相机。我使用 findCirclesGrid() 函数，它成功地找到了 4 by 11 circle pattern在 1 兆像素的图像中。但是，当我尝试在分辨率更高的图像中近距离检测图案时，该功能失败了。当物体在图像中距离较远时，它仍然会被检测到。我按如下方式使用函数:

ret, corners = cv2.findCirclesGrid(image, (4, 11), flags=cv2.CALIB_CB_ASYMMETRIC_GRID)

对于较大的图像，它返回 False, None。该函数似乎无法处理面积太大的圆。我尝试添加 cv2.CALIB_CB_CLUSTERING，但这似乎没有什么不同。此外，似乎在 C++ 中用户可以表示使用 blobdetector，但在 Python 中则不行。详情:http://docs.opencv.org/2.4/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.html#findcirclesgrid

我能否以某种方式增加最大检测大小或使函数以另一种方式检测模式？

编辑:我发现了如何通过使用编辑 blobDetector 的参数

params = cv2.SimpleBlobDetector_Params()
params.maxArea = 100000
detector = cv2.SimpleBlobDetector_create(params)
ret, corners = cv2.findCirclesGrid(self.gray, (horsq, versq), None,
                flags=cv2.CALIB_CB_ASYMMETRIC_GRID, blobDetector=detector)

还是一样的问题。

编辑2:现在添加 cv2.CALIB_CB_CLUSTERING 可以解决问题!

Answer 1

您可能需要做的主要事情是调整 Blob 检测器的最小面积和最大面积。使用参数创建一个 Blob 检测器(不要使用默认参数)，并调整检测器将接受的最小面积和最大面积。在将创建的检测器传递到 findcirclesgrid 函数之前，您可以先显示所有找到的 Blob 。

Python 示例代码

params = cv2.SimpleBlobDetector_Params()
# Setup SimpleBlobDetector parameters.
print('params')
print(params)
print(type(params))


# Filter by Area.
params.filterByArea = True
params.minArea = 200
params.maxArea = 18000

params.minDistBetweenBlobs = 20


params.filterByColor = True
params.filterByConvexity = False

# tweak these as you see fit
# Filter by Circularity
# params.filterByCircularity = False
params.minCircularity = 0.2

# # # Filter by Convexity
# params.filterByConvexity = True
# params.minConvexity = 0.87

# Filter by Inertia
params.filterByInertia = True
# params.filterByInertia = False
params.minInertiaRatio = 0.01

detector = cv2.SimpleBlobDetector_create(params)

# Detect blobs.
keypoints = detector.detect(gray)

im_with_keypoints = cv2.drawKeypoints(img, keypoints, np.array([]), (0, 0, 255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)



fig = plt.figure()
im_with_keypoints = cv2.drawKeypoints(gray, keypoints, np.array([]), (0, 0, 255), cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
plt.imshow(cv2.cvtColor(im_with_keypoints, cv2.COLOR_BGR2RGB),
           interpolation='bicubic')

titlestr = '%s found %d keypoints' % (fname, len(keypoints))
plt.title(titlestr)

fig.canvas.set_window_title(titlestr)


ret, corners = cv2.findCirclesGrid(gray, (cbcol, cbrow), flags=(cv2.CALIB_CB_ASYMMETRIC_GRID + cv2.CALIB_CB_CLUSTERING ), blobDetector=detector )