cv::findChessboardCorners は、画像中のチェスボードパターンを検出し、内部コーナー点の座標を取得する関数です。カメラキャリブレーションの前処理として欠かせない一手です。最小限の呼び出しは次のとおりです。
bool found = cv::findChessboardCorners(gray, cv::Size(9, 6), corners);
動作環境
- OpenCV 4.x
- ビルド:
g++ -std=c++17 main.cpp $(pkg-config --cflags --libs opencv4)
環境構築がまだの方は環境構築ガイドを先にどうぞ。
基本の使い方
以下の完全プログラムで、チェスボード画像のコーナーを検出・描画します。
#include <opencv2/opencv.hpp>
#include <iostream>
int main()
{
// グレースケールで読み込む(カラーでも動作するが速度・精度面でグレーを推奨)
cv::Mat gray = cv::imread("chessboard.png", cv::IMREAD_GRAYSCALE);
if (gray.empty()) {
std::cerr << "画像を読み込めませんでした。" << std::endl;
return 1;
}
// 内部コーナー数(列方向 x 行方向)
cv::Size patternSize(9, 6);
std::vector<cv::Point2f> corners;
bool found = cv::findChessboardCorners(
gray,
patternSize,
corners,
cv::CALIB_CB_ADAPTIVE_THRESH | cv::CALIB_CB_NORMALIZE_IMAGE
);
if (!found) {
std::cerr << "チェスボードが見つかりませんでした。" << std::endl;
return 1;
}
// サブピクセル精度で精密化
cv::TermCriteria criteria(
cv::TermCriteria::EPS | cv::TermCriteria::MAX_ITER, 30, 0.001
);
cv::cornerSubPix(gray, corners, cv::Size(11, 11), cv::Size(-1, -1), criteria);
// 結果をカラー画像に描画して確認
cv::Mat disp;
cv::cvtColor(gray, disp, cv::COLOR_GRAY2BGR);
cv::drawChessboardCorners(disp, patternSize, corners, found);
cv::imshow("Chessboard Corners", disp);
cv::waitKey(0);
std::cout << "検出コーナー数: " << corners.size() << std::endl;
return 0;
}
実行結果
検出コーナー数: 54
ウィンドウには、9×6=54 点のコーナーが色分けして描画されます(左上から右下に向かって色が変化します)。
行ごとの解説
cv::IMREAD_GRAYSCALEで読み込むと、内部の閾値処理が1チャネルで済むため高速です。patternSize(9, 6)は「タテの内部コーナー数 × ヨコの内部コーナー数」ではなく、横(列)が先・縦(行)が後です。チェスボードの辺のマス数より1少ない値を指定します。cv::cornerSubPixでサブピクセル精度に精密化すると、キャリブレーション精度が大幅に向上します。カメラキャリブレーション用途では必須と考えてください。cv::drawChessboardCornersは検出結果の目視確認に使います。
引数と戻り値
| 引数 | 型 | 説明 |
|---|---|---|
image |
cv::InputArray |
入力画像(8ビット グレーまたは BGR) |
patternSize |
cv::Size |
内部コーナーの列数×行数 |
corners |
cv::OutputArray |
検出されたコーナー座標(vector<Point2f>) |
flags |
int |
検出オプション(後述)。省略時は CALIB_CB_ADAPTIVE_THRESH + CALIB_CB_NORMALIZE_IMAGE |
戻り値: bool。パターン全体が検出できた場合 true、一部でも欠けると false。
flags の主なオプション(OR 結合可)
| 定数 | 説明 |
|---|---|
CALIB_CB_ADAPTIVE_THRESH |
適応的閾値処理を使用(照明ムラに強い) |
CALIB_CB_NORMALIZE_IMAGE |
閾値前にヒストグラム均一化 |
CALIB_CB_FILTER_QUADS |
偽検出の矩形を除去 |
CALIB_CB_FAST_CHECK |
高速な事前チェック。チェスボードがない画像を早期リジェクト |
実践例
複数画像からキャリブレーション用点群を収集する
カメラキャリブレーションでは複数角度・位置のチェスボード画像が必要です。検出に成功した画像のみ点群を蓄積します。
#include <opencv2/opencv.hpp>
#include <iostream>
#include <vector>
#include <string>
int main()
{
cv::Size patternSize(9, 6);
float squareSizeMm = 25.0f; // チェスボード1マスの実寸(mm)
// 3次元ワールド座標(平面上に並べる)
std::vector<cv::Point3f> objp;
for (int r = 0; r < patternSize.height; ++r)
for (int c = 0; c < patternSize.width; ++c)
objp.emplace_back(c * squareSizeMm, r * squareSizeMm, 0.0f);
std::vector<std::vector<cv::Point3f>> objPoints;
std::vector<std::vector<cv::Point2f>> imgPoints;
std::vector<std::string> files = {
"calib_01.png", "calib_02.png", "calib_03.png",
"calib_04.png", "calib_05.png"
};
cv::TermCriteria criteria(
cv::TermCriteria::EPS | cv::TermCriteria::MAX_ITER, 30, 0.001
);
cv::Size imgSize;
for (const auto& file : files) {
cv::Mat gray = cv::imread(file, cv::IMREAD_GRAYSCALE);
if (gray.empty()) {
std::cerr << "スキップ: " << file << std::endl;
continue;
}
imgSize = gray.size();
std::vector<cv::Point2f> corners;
bool found = cv::findChessboardCorners(
gray, patternSize, corners,
cv::CALIB_CB_ADAPTIVE_THRESH | cv::CALIB_CB_NORMALIZE_IMAGE | cv::CALIB_CB_FAST_CHECK
);
if (!found) {
std::cerr << "未検出: " << file << std::endl;
continue;
}
cv::cornerSubPix(gray, corners, cv::Size(11, 11), cv::Size(-1, -1), criteria);
objPoints.push_back(objp);
imgPoints.push_back(corners);
std::cout << "OK: " << file << std::endl;
}
if (objPoints.size() < 3) {
std::cerr << "キャリブレーションに十分な画像がありません。" << std::endl;
return 1;
}
// カメラキャリブレーション実行
cv::Mat cameraMatrix, distCoeffs;
std::vector<cv::Mat> rvecs, tvecs;
double rms = cv::calibrateCamera(
objPoints, imgPoints, imgSize,
cameraMatrix, distCoeffs, rvecs, tvecs
);
std::cout << "RMS再投影誤差: " << rms << " px" << std::endl;
std::cout << "カメラ行列:\n" << cameraMatrix << std::endl;
return 0;
}
実行結果例
OK: calib_01.png
OK: calib_02.png
OK: calib_03.png
OK: calib_04.png
OK: calib_05.png
RMS再投影誤差: 0.42 px
カメラ行列:
[1823.5, 0, 960.3;
0, 1824.1, 540.7;
0, 0, 1]
RMS 再投影誤差が概ね 1.0 px 未満 であればキャリブレーション精度は実用レベルです。
より堅牢な検出:cv::findChessboardCornersSB
OpenCV 4.x では cv::findChessboardCornersSB(Saddle-Point ベース)が追加されています。照明変化やぼけに強く、すでにサブピクセル精度が含まれているため cornerSubPix 呼び出しが不要になります。
bool found = cv::findChessboardCornersSB(gray, patternSize, corners);
通常版より処理が重いですが、難しい照明環境では検討する価値があります。
つまずきポイント
⚠️ patternSize の指定ミス
最もよくある失敗です。cv::Size の第1引数は 横方向(列)の内部コーナー数、第2引数は 縦方向(行)の内部コーナー数 です。チェスボードが10列×7行のマスで構成されている場合、内部コーナーは cv::Size(9, 6) となります。マス数をそのまま渡すと必ず false が返ります。
⚠️ 戻り値が false でも corners に部分データが入る
findChessboardCorners が false を返した場合でも corners に途中までの点が格納されることがあります。false の場合は corners を 使用しないでください。cornerSubPix に渡すと誤った精密化が行われ、後段のキャリブレーションに悪影響を及ぼします。
⚠️ 照明・コントラスト不足による未検出
CALIB_CB_ADAPTIVE_THRESH と CALIB_CB_NORMALIZE_IMAGE のフラグを両方指定していても、極端な照明ムラや低コントラストでは検出に失敗します。実務では 複数フラグの組み合わせを変えて再試行するループ を入れるか、findChessboardCornersSB に切り替えるのが有効です。
関連する関数
cv::cornerSubPix— コーナー座標のサブピクセル精密化。キャリブレーション用途ではfindChessboardCornersとセットで呼ぶのが定石cv::drawChessboardCorners— 検出結果の描画。動作確認・デバッグ用cv::calibrateCamera— 収集した点群からカメラ内部パラメータと歪み係数を推定cv::findChessboardCornersSB— よりロバストなサドル点ベースの検出器(OpenCV 4.x 以降)
まとめ
cv::findChessboardCorners はカメラキャリブレーションの入口となる関数です。patternSize の指定(マス数−1)と cornerSubPix による精密化を忘れずに行うことで、安定した高精度な点群が得られます。照明環境が厳しい場合は cv::findChessboardCornersSB も検討してください。
🛠 画像処理のプロが開発するSDK/API
本ブログを運営するスワローインキュベートは、OpenCV ベースのなりすまし判定SDK/API(C++製・OpenCV 4.10)を開発しています。顔認証システムへの組み込み実績多数。
→ 顔認証のなりすまし対策 設計チェックリスト(当ブログ)
→ なりすまし判定SDK/APIの詳細を見る
→ API仕様書・サンプルコード

