OpenCV Point(x,y) 表示 (column,row) 或 (row,column)

Question

我在矩阵src 中有一张 300x200 的图像。我正在对图片做如下操作。

for(int i=0;i<src.rows;i++){
  for(int j=0;j<src.cols;j++){
    line( src, Point(i,j),Point(i,j), Scalar( 255, 0, 0 ),  1,8 );
  }
}
imshow("A",src);
waitKey(0);

我希望它以白色覆盖整个图像，但图像的下部仍然是空白的。而如果我这样做

  for(int i=0;i<src.rows;i++){
    for(int j=0;j<src.cols;j++){
      src.at<uchar>(i,j)=255;
    }
  }
  imshow("A",src);
  waitKey(0);

整个图像被白色覆盖。所以，这意味着src.at<uchar>(i,j) 使用(i,j) 作为（行，列），但Point(x,y) 使用(x,y) 作为（列，行）

Answer 1

因此，这意味着 src.at(i,j) 使用 (i,j) 作为（行、列）但 Point(x,y) 使用 (x,y) 作为（列、行）

没错！因为这似乎让很多人感到困惑，所以我会写下我的解释：

在 OpenCV 中，cv::Mat 用于图像和矩阵，因为离散图像与矩阵基本相同。

在数学中，我们有一些不同的东西：

1. 矩阵，有许多行和许多列。
2. （函数的）图形，具有多个轴并以图像的形式以图形方式表示图形。
3. 点，按坐标系的轴排序，通常是笛卡尔坐标。

---

1.对于矩阵，数学符号是按行主要顺序排列的，即

按照传统的矩阵表示法，行由二维数组的第一个索引编号，列由第二个索引编号，即 a1,2 是第一行的第二个元素，向下和向右计数。 （注意这与笛卡尔约定相反。）

取自http://en.wikipedia.org/wiki/Row-major_order#Explanation_and_example

在数学中，row:0,column:0 是矩阵的左上角元素。行/列就像在表格中一样......

0/0---column--->
 |
 |
row
 |
 |
 v

---

2. 对于 Points，选择满足两件事的坐标系：1. 它使用相同的单位大小和与矩阵表示法相同的“原点”，因此左上角是 Point(0,0)，轴长度 1 表示 1 行或 1 列的长度。 2. 它使用“图像符号”进行轴排序，这意味着横坐标（水平轴）是指定 x 方向的第一个值，纵坐标（垂直轴）是指定 x 方向的第二个值y 方向。

轴相交的点是两条数轴的共同原点，简称原点。它通常标记为 O，如果是，则轴称为 Ox 和 Oy。定义了 x 轴和 y 轴的平面通常称为笛卡尔平面或 xy 平面。 x的值称为x坐标或横坐标，y的值称为y坐标或纵坐标。

字母的选择来自于最初的约定，即使用字母表的后半部分来表示未知值。字母表的第一部分用于指定已知值。

http://en.wikipedia.org/wiki/Cartesian_coordinate_system#Two_dimensions

所以在一个完美的世界中，我们会选择点/图像的坐标系为：

 ^
 |
 |
 Y
 |
 |
0/0---X--->

但由于我们希望该原点位于左上角并且正值位于底部，因此改为：

0/0---X--->
 |
 |
 Y
 |
 |
 v

---

因此，对于图像处理来说，行优先表示法可能很奇怪，但对于数学家来说，x 轴优先表示访问矩阵会很奇怪。

因此，在 OpenCV 中，您可以使用：mat.at<type>(row,column) 或 mat.at<type>(cv::Point(x,y)) 访问同一点，如果 x=column 和 y=row 完全可以理解 =)

希望这是正确的。我对符号了解不多，但这是我在数学和成像方面的经验告诉我的。

Answer 2

我找到了一个快速解决这个问题的方法，只需将坐标从 opencv 转换为第四象限的笛卡尔坐标，只需在 y 坐标前放置一个 (-)ve 符号即可。

通过这种方式，我能够使用我现有的算法和所有标准的笛卡尔系统方程与 opencv，而无需通过在坐标系之间进行昂贵的转换而给系统带来太多开销。

0/0---X--->
 |
 |
 Y
 |
 |
 v
 (opencv)

0/0---X----> 
|
|
|
-Y
|
|
v
(4th quadrant)

Answer 3

这是一个直观的示例，用于区分 python 的 [row, columns] 和 OpenCV 的 [x,y]。

import numpy as np
import matplotlib.pyplot as plt
import cv2

img = np.zeros((5,5))  # initialize empty image as numpy array
img[0,2] = 1  # assign 1 to the pixel of row 0 and column 2

M = cv2.moments(img)  # calculate moments of binary image
cX = int(M["m10"] / M["m00"])  # calculate x coordinate of centroid
cY = int(M["m01"] / M["m00"])  # calculate y coordinate of centroid

img2 = np.zeros((5,5))  # initialize another empty image
img2[cX,cY] = 1  # assign 1 to the pixel with x = cX and y = cY

img3 = np.zeros((5,5))  # initialize another empty image
img3[cY,cX] = 1  # invert x and y

plt.figure()
plt.subplots_adjust(wspace=0.4)  # add space between subplots
plt.subplot(131), plt.imshow(img, cmap = "gray"), plt.title("With [rows,cols]")
plt.subplot(132), plt.imshow(img2, cmap = "gray"), plt.title("With [x,y]")
plt.subplot(133), plt.imshow(img3, cmap= "gray"), plt.title("With [y,x]"), plt.xlabel('x'), plt.ylabel('y')

这将输出：

Answer 4

通常，指向 OpenCV 后跟 (x, y)。 x 在计算机屏幕上是按列排列的，而 y 是按行排列的。这是使用内置circle 函数的示例。

win_name = "Test"
    
image_width, image_height = 300, 200
center_x, center_y = 300, 0
   
circle_radius = 9 
    
# Create a black image
img = np.zeros((image_height, image_width, 3), np.uint8)
# BGR
cv2.circle(img, center=tuple([center_x, center_y]), 
    radius=circle_radius, color=(255,0,0), 
    thickness=-1)
        
# Open openCV window
cv2.namedWindow(win_name, cv2.WINDOW_NORMAL)
cv2.resizeWindow(win_name, image_width, image_height)
cv2.moveWindow(win_name, 120, 850)
cv2.setWindowTitle(win_name, win_name)
cv2.imshow(win_name, img) 
k = cv2.waitKey(0)

顺便说一句，他们在制作图像时遵循高度和宽度顺序，并且 BGR 颜色格式不是 RGB。这与传统相反。