亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径, 文中对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析 ,提出了Sigmoid函数拟合的亚像素边缘定位算法.该算法采用 Sigmoid函数拟合边缘模型,利用图像边缘灰度信息对模型进行非线性最小二乘拟合 , 求得边缘的亚像素位置 .理论分析和实验结果表明 , 基于 Sigmoid函数拟合的亚像素边缘定位算法的定位精度为 0.045像素 ,但检测的速度比灰度矩提高了一个数量级 ,比空间矩 、Zernike矩和插值法提高了两个数量级 .此算法能较好地满足影像测量的稳定可靠 、高精度及强实时性要求。

OpenCV中亚像素角点的求法原理详解，分析很透彻，供参考

一篇非常好的超像素综述，适合初学者！文章是中文的，我刚开始接触的时候就读这篇文章！

基于MCNN的_HSI_分类 文件 MCNN-CP：使用混合卷积和协方差合并的高光谱图像分类（TGARS 2021） MCNN-PS和Oct-MCNN-PS：使用混合3D八度音程和2D子像素卷积神经网络的高光谱图像分类（已提交TGARS） 1.环境设置 该代码已在配备Intel i7-9750H 2.6 GHz处理器，32 GB RAM和NVIDIA GTX1650图形卡，Python 3.6，tensorflow_gpu-1.14.0，Keras-2.2.4，CUDA 10.0， cuDNN 7.6。 请在运行此代码之前安装相关的库： pip install -r requirements.txt 2.下载日期集： IP：， UH： 上： SA：和 并将它们放入数据目录。 3.下载模型（加载模型）： 代码：caor 并将它们放到models目录中。 4.下载pretrai

这个函数只有一个输入，它是要添加填充像素的初始图像（填充像素的值=0）。 在输出中，新尺寸的图像=（初始行数+2）*（列数+2）。

cocos creator 像素鸟完整工程，直接打开即可运行，很适合新手，包括碰撞，物理引擎，力作用，UI等的使用

利用zemax光学设计软件设计了一种300万像素手机镜头。

4.1 亚像素定位原理和算法设计原则 4.1.1 亚像素定位基本原理 对图像中目标进行定位是摄像测量和光测数字图像分析中 基本和 重要的任务之 一。对目标进行定位通常要经过两个步骤：目标的粗定位和精定位。目标粗定位也就是 目标识别，是指在某一特定的图像范围内确认是否有待测目标存在，并确认待测目标在 某一特定的区域内。现已有大量的目标识别方面的算法，特别是在计算机视觉和模式识 别领域有大量相关的工作，因此在目标的粗定位应用中可以直接参考借鉴这些算法。本 书不对目标识别的工作做深入的介绍，而将重点放在精定位，即亚像素定位技术上。 许多人在一开始接触亚像素定位技术时，常有一个基本反应，即像素是组成图像的

装配机械手定位如利用传统的视觉图像匹配方法定位速度较慢、定位精度较低且处理速度较慢,随着装配机械手的广泛应用和其较高的工程价值提高装配机械手的定位速度和精度的需求迫切,采用细分像素的亚像素匹配技术对传统图像匹配算法进行了改进,并利用实验对改进结果进行验证,达到了较理想的效果。

使用turtle库函数绘制一个如图所示的，边长为100像素的正方形及一个紧挨四个顶点的圆形（外接圆）