如何在OpenCV中获取亚像素精度的轮廓点坐标？

cv2.findContours()确实只能返回整数像素坐标——因为它是基于二值图像的像素级边缘提取逻辑。要得到亚像素级（带小数的高精度）轮廓坐标，有两种实用方案：

方法1：对现有轮廓做亚像素细化 #

用cv2.cornerSubPix()工具，基于灰度图像的梯度信息，把整数像素的轮廓点“精修”到亚像素级别。步骤如下：

• 先用cv2.findContours()拿到普通像素级轮廓
• 将轮廓点转换为float32格式（符合cornerSubPix的输入要求）
• 传入原始灰度图（不能用二值图），设置迭代终止条件和搜索窗口大小

示例代码：

import cv2
import numpy as np

# 读取并预处理图像
img = cv2.imread('target_img.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

# 获取像素级轮廓
contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 处理第一个轮廓作为示例
if contours:
    # 转换为float32类型
    cnt = contours[0].astype(np.float32)
    # 设置亚像素迭代的终止条件：迭代次数上限+精度阈值
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001)
    # 执行亚像素细化
    cnt_subpix = cv2.cornerSubPix(gray, cnt, (5,5), (-1,-1), criteria)
    
    print("亚像素级轮廓坐标示例：")
    print(cnt_subpix[:5])  # 打印前5个点

方法2：先提取亚像素边缘再生成轮廓 #

如果需要更精准的亚像素轮廓，可以先提取亚像素级边缘，再基于这些边缘构建轮廓：

• 用cv2.Canny()提取边缘后，用cv2.findNonZero()拿到所有边缘点，再通过cv2.cornerSubPix()细化
• 对规则形状（如圆、矩形），也可以先拟合形状（比如cv2.fitEllipse()、cv2.minAreaRect()），从拟合参数直接得到亚像素级的坐标或形状特征

注意事项 #

• 亚像素细化必须依赖原始灰度图的梯度信息，不能用二值图输入
• 搜索窗口大小、迭代终止条件会影响精度和速度，可根据实际场景调整

内容的提问来源于stack exchange，提问作者Vigneshwar Ravichandar