在摄像机自标定过程中，可根据Harris的检测算法提取对角点。该算法简单有效，非常稳定。在图像旋转、灰度、噪声影响和视点变换的条件下,与其他算子相比，是最稳定的一种点特征提取算子。为了获得亚像素级的角点坐标，需要引入迭代算法进行优化。试验证明该方法可大幅度提高摄像机的标定精度。

光斑亚像素中心提取.zip

像点坐标自动提取，使用Matlab软件中图像处理的功能，来实现达亚像素水平的像点定位和坐标的自动获取。

用于解决最大内切圆问题的示例应用程序和函数。 与我的其他提交“使用距离变换的最大内切圆”（位于http://www.mathworks.com/matlabcentral/fileexchange/30805-maximum-inscribed-circle-using-distance-transform ）不同，该算法是亚像素精确的。 它仅对多边形起作用，而对像点不起作用。 因此，如果多边形以子像素给出，则结果将是准确的。 我使用 O(n log(n)) 算法如下： - 构建多边形的 Voronoi 图。 - 对于多边形内的 Voronoi 节点： - 在 P 中找到到边距离最大的节点。这个节点是最大内切圆的中心。 有关问题本身的更多详细信息，请查看我之前提交的上述内容。 为了加快速度，用Bruno Lunog的更快实现“2D多边形内部检测”替换“inpolygon”功能： http:

图像相关技术的亚像素位移算法与实验研究.pdf

快速近似反走样是一种后处理式反走样技术,其效果好、效率高,但由于是根据亮度值检测边缘,导致模型纹理贴图上的条纹和高光部分也会被检测出来,从而造成不必要的反走样.针对这一问题,该算法提出了一种改进的反走样方法:根据物理和阴影信息检测出模型与阴影边缘,再以边缘周围状况计算确定混合朝向,最后结合亚像素覆盖率进行反走样运算.实验表明,该算法在保留了原快速近似反走样效率的同时,有效地消除了不必要的反走样.

本文详细介绍了zernike矩边缘检测的原理，并提出一种自动搜索阈值的方法，简单可行。希望对大家有帮助。

视频讲解：http://www.bilibili996.com/Course?id=0659290000229

基于互相关的亚像素图像配准算法的matlab仿真+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

这个是比较全面的介绍理论与实践的如何计算亚像素的资料，包含了如何建立计算模板，并给出5*5的模板。