python实现亚像素轮廓

目前提取亚像素轮廓常见的就是用Halcon的sub_pixel_edges_xld函数，如果我们想要自己实现亚像素轮廓提取的话思路如下：

1. 预处理图像(去噪、降噪)
2. 提取轮廓(canny+findContours)
3. 寻找角点(goodFeaturesToTrack)
4. 亚像素角点检测(cornerSubpix)
5. 绘制亚像素角点(十字中心点标记)

初步试验下来，在排除噪声影响情况下，边缘轮廓上的亚像素角点是要比普通角点更贴近实际轮廓。

绿色十字代表普通角点

红色十字代表亚像素角点

存在问题：

1. 性能问题，需要在精度和性能这二者中平衡。
2. 受噪点影响较大，需要做预处理去除噪点。
3. 精度高了之后查找的角点数量会相应减少，如果需要根据这些角点绘制成轮廓的话可能会一定程度失真。

代码：

import cv2
import numpy as np
import matplotlib.pyplot as plt


def test_cross_subpixel():
    # 读取图像并转换为灰度图
    image = cv2.imread(r'D:\wangtianqing\code\script\iou\data\front\front_1_1_1565.png')
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 检测初始角点位置
    corners = cv2.goodFeaturesToTrack(gray, maxCorners=100, qualityLevel=0.01, minDistance=10)
    co