opencv 实现亚像素边缘算法

亚像素边缘算法是通过对图像边缘进行精细化处理，提高边缘检测的精度。OpenCV中提供了两种亚像素边缘算法：基于图像灰度一阶导数的Sobel算子和基于图像灰度二阶导数的Laplacian算子。

下面是基于Sobel算子实现亚像素边缘算法的代码示例：

import cv2

img = cv2.imread('test.jpg', 0)

# Sobel算子计算图像x、y方向的一阶导数
dx = cv2.Sobel(img, cv2.CV_32F, 1, 0)
dy = cv2.Sobel(img, cv2.CV_32F, 0, 1)

# 计算梯度幅值和方向
gradient = cv2.magnitude(dx, dy)
angle = cv2.phase(dx, dy, angleInDegrees=True)

# 进行非极大值抑制
nms = cv2.dilate(gradient, None)
nms[gradient < nms] = 0

# 进行亚像素边缘检测
edges = cv2.Canny(nms, 100, 200, apertureSize=3, L2gradient=True)

cv2.imshow('edge', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

这里首先使用Sobel算子计算了图像x、y方向的一阶导数，然后计算了梯度幅值和方向。接着进行了非极大值抑制，最后使用Canny算法进行亚像素边缘检测。

需要注意的是，在进行亚像素边缘检测时，需要设置`apertureSize`参数为3，表示使用3x3的Sobel算子进行边缘检测。同时，设置`L2gradient`参数为True，表示使用L2范数代替L1范数计算梯度幅值，可以得到更加准确的边缘检测结果。