使用亞畫素級別角點檢測，返回角點的浮點數值，它的精度比整數畫素更準確。可以用cornerSubPix()函式將角點定位到子畫素，從而取得亞畫素級別的角點檢測效果。
使用函式：
void cv::cornerSubPix ( InputArray image,
InputOutputArray corners,
Size winSize,
Size zeroZone,
TermCriteria criteria
)
參考：https://blog.csdn.net/holybin/article/details/41122493

函式引數說明如下：

image：輸入影象

corners：輸入角點的初始座標以及精準化後的座標用於輸出。

winSize：搜尋視窗邊長的一半，例如如果winSize=Size(5,5)，則一個大小為的搜尋視窗將被使用。
zeroZone：搜尋區域中間的dead region邊長的一半，有時用於避免自相關矩陣的奇異性。如果值設為(-1,-1)則表示沒有這個區域。
criteria：角點精準化迭代過程的終止條件。也就是當迭代次數超過criteria.maxCount，或者角點位置變化小於criteria.epsilon時，停止迭代過程。

#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>

using namespace std;
using namespace cv;

Mat src,gray_src;
int maxCorner = 20;
int max_value = 200;

const char* output_title = "subpixel window";
void subpixel(int,void*);
int main(int argc, char** argv)
{
	src = imread("D:/test/大廈.jpg");
	if (!src.data)
	{
		cout << "圖片未找到" << endl;
		return -1;
	}
	cvtColor(src, gray_src, CV_BGR2GRAY);
	imshow("input title", src);
	namedWindow(output_title, CV_WINDOW_AUTOSIZE);
	createTrackbar("subpixel num", output_title, &maxCorner, max_value, subpixel);
	subpixel(0, 0);
	waitKey(0);
	return 0;

}

void subpixel(int, void *)
{
	if (maxCorner < 5)
	{
		maxCorner = 5;
	}
	vector<Point2f>corners;
	goodFeaturesToTrack(gray_src, corners,maxCorner, 0.01, 10, Mat(), 3, false, 0.04);
	Mat resultImg = src.clone();
	for (size_t i = 0; i < corners.size(); i++)
	{
		circle(resultImg, corners[i], 2, Scalar(0, 0, 255), 2, 8, 0);
	}
	cout << "corner num: " << corners.size() << endl;
	imshow(output_title, resultImg);
	Size size = Size(5, 5);//最多隻能取到5
	//迭代演算法的終止準則,該類變數需要3個引數，一個是型別，第二個引數為迭代的最大次數，最後一個是特定的閾值
	TermCriteria tc = TermCriteria(TermCriteria::EPS + TermCriteria::MAX_ITER, 40, 0.01);
	cornerSubPix(gray_src, corners, size, Size(-1, -1), tc); 
	//這裡的corner重新變了，變成cornerSubPix裡的corners了
	for (size_t t = 0; t < corners.size(); t++)
	{
		cout << t + 1 << ".pixel[x,y]= " << corners[t].x <<","<< corners[t].y << endl;

	}
	return;
	
}

 

可以看到，畫素座標返回的是一個浮點數，比原來的整數值更加精準。