白底黑圆标定板圆心亚像素提取全流程科普

1. 高斯滤波：降噪，保护边缘

相机传感器、环境光照都会带来高频噪声，直接影响后续边缘定位精度。高斯滤波用加权平均的方式平滑图像，同时保留边缘轮廓。

• 核大小：3×3、5×5 或 7×7，常用 σ=1.0~1.5
• 公式：二维高斯核
  G(x,y)=1/(2πσ²)·exp(-(x²+y²)/(2σ²))

2. Canny边缘检测：找出候选边界

Canny 算法被誉为“最优边缘检测器”，因为它：

1. 抑制噪声（已提前高斯滤波）
2. 计算梯度幅值与方向
3. 非极大值抑制，只保留局部极值
4. 双阈值（高阈值 Th、低阈值 Tl）+ 滞后连接

输出：一条单像素宽、连续的潜在边缘链。

3. 闭合边缘检测：锁定完整椭圆轮廓

Canny 可能把同一圆切成几段；我们需要闭合它们：

• 形态学闭运算：先用膨胀“补缝隙”，再用腐蚀“恢复粗细”
• 找连通域，并筛选
  • 面积 > A_min
  • 轮廓近似后接近椭圆（area/(π·a·b) ≈ 1）

4. 灰度值判断：区分“黑圆”与“白背景”

一条闭合轮廓，既可能是黑圆，也可能是白圆。用内外灰度均值差做判决：

实际操作：在轮廓内、外各膨胀/腐蚀 3~5 像素形成采样环带。

5. 亚像素精度处理：让边缘“更锋利”

像素级边缘误差可达 ±0.5 px，而亚像素技术可降到 0.01~0.1 px。常用灰度矩法：

• 以像素级边缘点为初值
• 沿梯度方向取3 或 5 点灰度值
• 拟合二次曲线求极值点
  f(t)=a·t²+b·t+c → t_edge = −b/(2a)
• 得到亚像素坐标：(x_sub, y_sub)

6. 椭圆拟合：求圆心

透视投影下，圆会变成椭圆。使用代数距离最小化的椭圆拟合：

步骤：

1. 收集所有亚像素边缘点
2. 用直接最小二乘法解线性方程组
3. 计算椭圆中心 (x₀,y₀)：
   x₀ = (2CD − BE)/(B² − 4AC)
   y₀ = (2AE − BD)/(B² − 4AC)

最终输出：亚像素级圆心坐标，误差 < 0.05 px。