已知中心亚像素浮点坐标 如何在图像上绘制无抖动的圆形

亚像素坐标的视觉抖动本质是整数取整导致的位置跳变，可通过以下3种可直接落地的方案解决：

• 方案1：上采样后绘制再降采样（性能最优，适合实时视频预览） #

  操作步骤：
  1. 先将原始图像按照2~4倍的放大系数使用cv2.resize()做上采样，插值方式选cv2.INTER_LANCZOS4保证边缘平滑
  2. 将浮点关键点坐标同步乘以放大系数后取整，使用cv2.circle()配合lineType=cv2.LINE_AA（反走样）绘制标记
  3. 将绘制完成的图像再降采样回原始分辨率，输出预览或写入视频
     示例代码片段：

  scale = 4
  img_up = cv2.resize(img, None, fx=scale, fy=scale, interpolation=cv2.INTER_LANCZOS4)
  # 坐标变换
  x_draw = int(round(x * scale))
  y_draw = int(round(y * scale))
  cv2.circle(img_up, (x_draw, y_draw), radius=2*scale, color=(0,0,255), thickness=-1, lineType=cv2.LINE_AA)
  # 降采样回原尺寸
  img_res = cv2.resize(img_up, (img.shape[1], img.shape[0]), interpolation=cv2.INTER_AREA)
  

  该方案的亚像素偏移会转化为标记点边缘的透明度渐变，完全消除跳变抖动。

• 方案2：基于Matplotlib渲染（效果最优，适合论文配图/高精度结果输出） #

  Matplotlib的散点绘制原生支持浮点坐标，自带抗锯齿渲染，无需手动处理坐标映射：
  1. 用plt.imshow()加载原始图像
  2. 直接传入浮点坐标调用plt.scatter()绘制关键点，可自定义点大小、颜色、边缘样式
  3. 关闭坐标轴后将画布转成numpy数组即可用于视频合成
     示例代码片段：

  import matplotlib.pyplot as plt
  import numpy as np
  
  fig, ax = plt.subplots()
  ax.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
  # 直接传入浮点x、y坐标
  ax.scatter(x, y, s=10, c='red', edgecolor='white', linewidth=0.5)
  ax.axis('off')
  # 转成numpy数组
  fig.canvas.draw()
  img_res = np.array(fig.canvas.renderer.buffer_rgba())
  plt.close(fig)
  

• 方案3：手动实现亚像素点渲染（灵活度最高，适合自定义渲染逻辑） #

  对于浮点坐标(x,y)，你可以基于双线性权重或者高斯核计算相邻4个像素的贡献值，将标记颜色按照权重和对应像素做alpha混合，完全保留亚像素精度，不会出现任何位置跳变。
  示例逻辑：

  # 取浮点坐标的整数部分和小数部分
  x0 = int(np.floor(x))
  y0 = int(np.floor(y))
  dx = x - x0
  dy = y - y0
  # 双线性权重
  w1 = (1 - dx) * (1 - dy)
  w2 = dx * (1 - dy)
  w3 = (1 - dx) * dy
  w4 = dx * dy
  # 给四个相邻像素按权重上色，可叠加高斯核扩大点的范围
  point_color = np.array([0,0,255])
  img[y0, x0] = img[y0, x0] * (1 - w1) + point_color * w1
  img[y0, x0+1] = img[y0, x0+1] * (1 - w2) + point_color * w2
  img[y0+1, x0] = img[y0+1, x0] * (1 - w3) + point_color * w3
  img[y0+1, x0+1] = img[y0+1, x0+1] * (1 - w4) + point_color * w4
  

内容的提问来源于stack exchange，提问作者Daiver