realkate1

导航

OpenCV坐标体系的初步认识

实验基础

  本次实验通过一个简短的例子,主要来说明下面4个问题:

  1. 坐标体系中的零点坐标为图片的左上角,X轴为图像矩形的上面那条水平线;Y轴为图像矩形左边的那条垂直线。该坐标体系在诸如结构体Mat,Rect,Point中都是适用的。(OpenCV中有些数据结构的坐标原点是在图片的左下角,可以设置的)。

  2. 在使用image.at<TP>(x1, x2)来访问图像中点的值的时候,x1并不是图片中对应点的x轴坐标,而是图片中对应点的y坐标。因此其访问的结果其实是访问image图像中的Point(x2, x1)点,即与image.at<TP>(Point(x2, x1))效果相同。

  3. 如果所画图像是多通道的,比如说image图像的通道数时n,则使用Mat::at(x, y)时,其x的范围依旧是0到image的height,而y的取值范围则是0到image的width乘以n,因为这个时候是有n个通道,所以每个像素需要占有n列。但是如果在同样的情况下,使用Mat::at(point)来访问的话,则这时候可以不用考虑通道的个数,因为你要赋值给获取Mat::at(point)的值时,都不是一个数字,而是一个对应的n维向量。

  4. 多通道图像在使用minMaxLoc()函数是不能给出其最大最小值坐标的,因为每个像素点其实有多个坐标,所以是不会给出的。因此在编程时,这2个位置应该给NULL。

 

  实验代码及注释

main.cpp: 

  1. #include <iostream>  
  2. #include <opencv2/core/core.hpp>  
  3. #include <opencv2/highgui/highgui.hpp>  
  4.   
  5. using namespace std;  
  6. using namespace cv;  
  7.   
  8. int main()  
  9. {  
  10.     Mat image, image_3c;  
  11.     image.create(Size(256, 256), CV_8UC1);  
  12.     image_3c.create(Size(256, 256), CV_8UC3);   //3通道的图像  
  13.     image.setTo(0);  
  14.     image_3c.setTo(0);  
  15.   
  16.     image.at<uchar>(10, 200) = 255; //使用at函数的地方,用的是10,200  
  17.     Point point(20, 100);  
  18.     image.at<uchar>(point) = 250;//使用at函数的地方,用的是Point(10,200)  
  19.   
  20.     image_3c.at<uchar>(10, 300) = 255;  
  21.     image_3c.at<uchar>(10, 302) = 254;  
  22.     Point point_3c(20, 200);  
  23.     image_3c.at<uchar>(point_3c) = 250;  
  24.   
  25.     double maxVal = 0; //最大值一定要赋初值,否则运行时会报错  
  26.     Point maxLoc;  
  27.     minMaxLoc(image, NULL, &maxVal, NULL, &maxLoc);  
  28.     cout << "单通道图像最大值: " <maxVal <endl;  
  29.     double min_3c, max_3c;  
  30.     //注意多通道在使用minMaxLoc()函数是不能给出其最大最小值坐标的,因为每个像素点其实有多个坐标,所以是不会给出的  
  31.     minMaxLoc(image_3c, &min_3c, &max_3c, NULL, NULL);  
  32.     cout << "3通道图像最大值: " <max_3c <endl;  
  33.   
  34.     imshow("image", image);  
  35.     imshow("image_3c", image_3c);  
  36.     waitKey(0);  
  37.     return 0;  
  38. }  


实验结果:

  单通道图像的输出结果如下所示:

  

  由上图可以看出,黑色的图像中有2个白色的点(读者可以仔细看下,由于只有1个像素点,所以需要自己找下,呵呵)的位置是不同的,因此可以证明Mat::at(x,y)和Mat::at(Point(x, y))是有区别的。

 

  3通道图像的输出结果如下所示:

  

  由上图可以看出,3通道的图像也是有2个点的,但是程序中在使用Mat::at(x, y)其y的值为300和302,这已经超出了图像的宽度256。这同时证明了实验基础中的第3点。

 

  后台输出结果如下:

  

 

  实验总结:由此可见,平时一定要注意一些细节上的东西。

感谢:http://blog.csdn.net/liulina603/article/details/9376229

posted on 2015-08-18 10:47  realkate1  阅读(1975)  评论(0编辑  收藏  举报