博客

标记检测过程包括两个主要步骤：

1. 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）。
2. 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=w0
  
  u0+w1
  
  u1。
  
  前景和背景图象的方差：g=w0*(u0-u)
  
  (u0-u)+w1
  
  (u1-u)
  
  (u1-u)=w0
  
  w1*(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)