1.角点位置亚像素位置优化原理介绍

       亚像素优化的原理在于通过对初始角点位置的微小调整，利用更精确的灰度信息，来获取更准确的角点位置。传统的角点检测算法基于像素级别的灰度变化来定位角点，而亚像素优化则进一步利用图像灰度的局部变化进行更精细的插值，提高了角点位置的准确度。

2.优化角点亚像素位置函数cornerSubPix()

void cv::cornerSubPix( InputArray   image,

InputOutputArray corners，

Size   winSize，

Size   zeroZone，

TermCriteria    criteria

）

• image:输入图像，必须是CV 8U或者CV 32F的单通道灰度图像。
• corners: 角点坐标，既是输入的角点坐标又是精确后的角点坐标。
• winSize: 搜索窗口尺寸的一半，必须是整数。实际的搜索窗口尺寸比该参数的2倍大1。
• zeroZone: 搜索区域中间死区大小的一半，即不提取像素点的区域，(-1.-1)表示没有死区。
• criteria:终止角点优化迭代的条件。

示例代码：

void cornerSubPix_f(Mat mat){
    //彩色图像转成灰度图像
    Mat gray;
    cvtColor(mat,gray,COLOR_BGR2GRAY);
    //提取角点
    int maxCorners=100;//检测角点数目
    double quality_level=0.01;//质量等级
    double  minDistance=0.04;//两个角点之间的最小欧式距离
    vector<Point2f> corners;
    goodFeaturesToTrack(gray,corners,maxCorners,quality_level,minDistance,Mat(),3, false);
   //计算亚像素级别角点坐标
   vector<Point2f> cornersSub=corners;//角点备份，防止被函数修改
   Size winSize=Size (5,5);
   Size zeroZone=Size(-1,-1);
   TermCriteria criteria = TermCriteria(TermCriteria::EPS+TermCriteria::COUNT,40,0.001);
   cornerSubPix(gray,cornersSub,winSize,zeroZone,criteria);
   //输出初始化坐标和精细坐标
   for(size_t i=0;i<corners.size();i++){
       ostringstream ss;
       string str= to_string(i);
       str="第"+str+"个角点初始坐标：";
       ss<<str<<corners[i]<<"    精细后坐标："<<cornersSub[i]<<endl;
       LOGD("%s",ss.str().c_str());
   }
}