标记检测过程包括两个主要步骤：
- 检测候选marker
在该步骤中，分析图像以找到作为标记的候选的正方形形状。 它首先进行自适应阈值处理以对标记进行分割，然后从阈值图像中提取轮廓，并丢弃那些非凸起或不接近正方形的轮廓。 还应用了一些额外的过滤（去除太小或太大的轮廓，去除彼此太近的轮廓等）。 - 在候选检测之后，有必要通过分析它们的内部编码来确定它们是否实际上是标记
此步骤首先提取每个标记的标记位。 为此，首先，应用透视变换以获得其规范形式的标记。 然后，使用Otsu对规范图像进行阈值处理以分离白色和黑色位。 根据标记大小和边界大小将图像分成不同的单元格，并计算每个单元格上的黑色或白色像素的数量，以确定它是白色还是黑色位。 最后，分析比特以确定标记是否属于特定字典，并且在必要时采用纠错技术。
参考链接:https://blog.csdn.net/kyjl888/article/details/72843940
自适应阈值处理
adaptiveThreshold(_in, _out, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY_INV, winSize, constant);
adaptiveThreshWinSizeMin(3),
adaptiveThreshWinSizeMax(23),
adaptiveThreshWinSizeStep(10),
数字越大，二值化以后的边缘越粗
参考:https://blog.csdn.net/u010566411/article/details/54317416
提取轮廓
static void _findMarkerContours(InputArray _in, vector< vector< Point2f > > &candidates,
vector< vector< Point > > &contoursOut, double minPerimeterRate,
double maxPerimeterRate, double accuracyRate,
double minCornerDistanceRate, int minDistanceToBorder)
透视变换
Otsu
threshold(resultImg, resultImg, 125, 255, THRESH_BINARY | THRESH_OTSU);
- 最大类间方差法原理
利用阈值将原图像分成前景，背景两个图象。 - 关于最大类间方差法（otsu）的性能:
类间方差法对噪音和目标大小十分敏感，它仅对类间方差为单峰的图像产生较好的分割效果。
当目标与背景的大小比例悬殊时，类间方差准则函数可能呈现双峰或多峰，此时效果不好，但是类间方差法是用时最少的。 - 最大类间方差法（otsu）的公式推导：
记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1。
则图像的总平均灰度为：u=w0u0+w1u1。
前景和背景图象的方差：g=w0*(u0-u)(u0-u)+w1(u1-u)(u1-u)=w0w1*(u0-u1)*(u0-u1),此公式为方差公式。
参考链接:https://baike.baidu.com/item/otsu/16252828?fr=aladdin
具体流程 - Thresholding
自适应阈值化 - Contour filtering
轮廓尺寸过滤 - Bits extraction
透视变换去除扭曲
Otsu提取黑白位
网格划分 - Marker identification
- Corner refinement(边框位置精确化)
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
