OpenCV Point（x，y）表示（列，行）或（行，列）

Question 1

我在Matrix中有一个300x200的图片src。我正在对图像执行以下操作。

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);

我期望它能以白色覆盖整个图像，但是图像的下部仍然是空白。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);

整个图像以白色覆盖。因此，这意味着src.at<uchar>(i,j)正在使用(i,j)as（row，column）但Point(x,y)正在使用(x,y)as（column，row）

Question 2

因此，这意味着src.at(i,j)正在使用(i,j)as（row，column）但Point(x,y)正在使用(x,y)as（column，row）

没错！由于这似乎使许多人感到困惑，因此我将解释写在下面：

在OpenCV中，cv::Mat由于离散图像基本上与矩阵相同，因此可同时用于图像和矩阵。

在数学中，我们有一些不同的东西：

具有多个行和多个列的矩阵。
具有多个轴的（功能）图形，并以图像形式图形表示图形。
点，由坐标系统的轴排序，该坐标系通常是笛卡尔坐标。

1.对于矩阵，数学符号按行优先顺序排列，即

按照常规矩阵符号，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。（请注意，这与笛卡尔惯例相反。）

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

与数学一样，第0行，第0列是矩阵的左上角元素。行/列就像表格中的...

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

2.对于Points，选择一个满足以下两个条件的坐标系：1.它使用与矩阵符号相同的单位大小和相同的“原点”，因此左上角是Point（0,0）和轴长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，而纵坐标（垂直轴）是指定y方向的第二个值。

轴相交的点是两条数字线的共同原点，简称为原点。通常将其标记为O，如果这样，则将轴称为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，而y的值称为y坐标或纵坐标。

字母的选择来自原始约定，即使用字母的后半部分指示未知值。字母的第一部分用于指定已知值。

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

因此，在理想世界中，我们将点/图像的坐标系选择为：

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

但由于我们希望该原点位于左上角，而正值要移至最底端，因此它是：

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

因此，对于图像处理人员来说，行优先表示法可能很奇怪，但是对于数学家来说，x轴优先表示法访问矩阵是很奇怪的。

因此，在OpenCV中，如果和完全可理解=），则可以使用：mat.at<type>(row,column)或mat.at<type>(cv::Point(x,y))访问同一点。x=columny=row

希望这个正确。我对这些符号了解不多，但这就是我在数学和图像处理方面的经验告诉我的。

Question 3

通过将坐标从opencv转换为第四象限的笛卡尔坐标，我发现了一个快速解决此问题的方法，只需将（-）ve符号放在y坐标前面即可。

这样，我能够通过opencv使用我现有的算法和所有标准的笛卡尔系统方程，而无需通过在坐标系之间进行昂贵的转换而在系统上增加很多开销。

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

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

Question 4

这是一个视觉示例，可将python的[行，列]与OpenCV的[x，y]区分开。

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：