python我想对轮廓做极值点进行亚像素检测，获取更精确的左极值点

对于轮廓的极值点亚像素检测，可以使用 `cv2.findContours()`函数获取轮廓，然后对每个轮廓进行处理。具体实现步骤如下：

1. 读入二值化后的图像，使用 `cv2.findContours()` 函数获取轮廓。
2. 对于每个轮廓，使用 `cv2.approxPolyDP()` 函数对轮廓进行多边形拟合，得到拟合后的多边形顶点。
3. 对于多边形顶点，使用 `cv2.cornerSubPix()` 函数进行亚像素级别的角点检测，得到更加精确的顶点坐标。
4. 对于左极值点，通过比较左侧和右侧的像素值，确定其位置。

下面是一个简单的示例代码：

import cv2
import numpy as np

# 读取二值化后的图像
img = cv2.imread('image.jpg', 0)

# 获取轮廓
_, contours, _ = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 亚像素级别的角点检测
def refine_corners(corners):
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
    sub_corners = cv2.cornerSubPix(img, corners, (5, 5), (-1, -1), criteria)
    return sub_corners

# 对每个轮廓进行处理
for contour in contours:
    # 多边形拟合
    approx = cv2.approxPolyDP(contour, 3, True)
    approx = np.squeeze(approx)

    # 亚像素级别的角点检测
    sub_corners = refine_corners(approx)

    # 确定左极值点
    leftmost = tuple(contour[contour[:,:,0].argmin()][0])
    for i in range(len(sub_corners)):
        if sub_corners[i][0] == leftmost[0]:
            if img[sub_corners[i][1], sub_corners[i][0]-1] > img[sub_corners[i][1], sub_corners[i][0]+1]:
                leftmost = (sub_corners[i][0]+1, sub_corners[i][1])
            else:
                leftmost = (sub_corners[i][0]-1, sub_corners[i][1])

    # 显示轮廓和极值点
    img_color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
    cv2.drawContours(img_color, [approx], 0, (0, 255, 0), 2)
    cv2.circle(img_color, leftmost, 3, (0, 0, 255), -1)
    cv2.imshow('image', img_color)
    cv2.waitKey(0)

cv2.destroyAllWindows()

这段代码通过 `cv2.findContours()` 函数获取轮廓，然后对每个轮廓进行多边形拟合和亚像素级别的角点检测。对于左极值点，通过比较左侧和右侧的像素值确定其位置，最后在图像中显示轮廓和极值点。