opencv亚像素边缘精度_亚像素级角点定位原理及opencv实现

为何需要进行亚像素定位？

数字图像通常是离散化成像素；每个像素对应一个整数坐标位置；整数坐标位置对于很多应用并不精确，比如跟踪、相机标定、图像配准、图像拼接以及三维重构；为达到有些应用的精确性，需要精确到浮点坐标位置；所以亚像素定位问题。亚像素定位就是计算特征所在图像中的真实位置，而真实位置有时候并不在像素所在整数坐标位置上，而是在像素的内部。

点的灰度分布特征跟二维高斯模型很相似，中心处最亮，离中心距离越远会随之变暗。所以这里的图像特征，我们用高斯模型进行描述。

利用高斯模型，我们可以构建点的最终模型函数M，如下：

上述表达式中的各个参数解释如下：

>M：代表对应像素位置上的强烈程度

>(x,y)：图像中某个像素位置

>A：背景的强烈程度，比如上面的黑色区域

>B：亮区域中的强烈程度的峰值

>(u,v)：亮区域中的峰值所在的位置

>sigma：高斯模型方差

即对应像素位置的强度与模型函数M估计出来的强度相同，那么我们认为用该模型匹配点区域的像素值是完美的，该模型是适合描述该区域的特征。事实上，在点区域里，保证不了左右两等式相等