opencv的坐标原点

最新推荐文章于 2020-12-03 13:11:16 发布
最新推荐文章于 2020-12-03 13:11:16 发布
阅读量6.9k 收藏 1
点赞数
文章标签： opencv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/k7arm/article/details/78038386
版权

本来在学习实践另一片文章的时候，不知道opencv的坐标原点在哪里，但是通过猜测原来文章的注释发现，那篇文章所用的坐标原点的应该是在窗口的左上角，有了猜测就需要证明了。于是搜肠刮肚的有了下面的测试代码。
很简单，就是画一个空的窗口，然后准备在上面指定不同的点point来证明坐标原点是在坐上角。

下面的代码是先创建一个窗口；

import numpy as np
import cv2

win1=np.zeros([100,300,3],np.uint8)
win1[:]=(0,0,255)
#cv2.namedWindow("windows-1")
print(win1)
cv2.imshow("win-1",win1)
cv2.waitKey(0)

创建的结果如下图：
这里写图片描述
流程很简单，就是创建一个3维数组，然后给每个元素都赋值为255，然后把这个数组给cv2.imshow()传过去就行了。这个3维的数组分别表示RGB3个分量的值，在给数组赋值的时候把RGB中的R赋值为255。此处注意：opencv中的RGB顺序和我们常用的顺序是相反的，也就是opencv中把R分量的值放在memory的最后。

解下来在窗口中随便位置指定一个点就行了，主要是看看x和y是的原点是哪里。
上面的line33首先使用zero创建了一个100*300的矩阵。
win1这是一个100行x300列的矩阵。什么意思呢？这是矩阵的命名方法。就是它有100个像素高(100行嘛)，300个像素长(300列嘛)。也就是如果用横轴x表示长的话，它的长度是300，可以在300内取值。用纵轴y表示高的话，它的高度是100，可以在100内取值。这里有一个地方需要注意一下，就是100*300中的100并不是对应这个点坐标(x,y)中的x，而是对应着y；300是对应着x的。为什么会强调这点呢？下面会用到:)
最后，line38创建的win1的矩阵是这样的：

[[[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  ..., 
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 [[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  ..., 
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 [[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  ..., 
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 ..., 
 [[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  ..., 
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 [[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  ..., 
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 [[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  ..., 
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]]

上面是line36的输出结果。系统自动加了很多的省略号，算了，我换一下参数，重新输出，主要是看zeros的用法：

win1=np.zeros([10,30,3],np.uint8)
win1[:]=(0,0,255)

win1[5,0]=(255,255,0)
#cv2.namedWindow("windows-1")
print(win1)
cv2.imshow("win-1",win1)
cv2.waitKey(0)
[[[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 [[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 [[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 [[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 [[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 [[255 255   0]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 [[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 [[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 [[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]

 [[  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]
  [  0   0 255]]]

可以看到，输出的结果有10段，每段有30个元素，这其实就对应着10行30列。每个元素都是一个1维的数组，有3个数据，传给后面的namedwindow()后分别代表BGR三分色。注意Opencv的三分色是按照BGR排列的。
解下来是win[:]=(0,0,255) 是把win1这个数组从头到尾的都用(0,0,255)来初始化赋值，也就是每个像素都是红色。这是python中的数组的用法。

接下来的win[5,0]=(255,255,0)是把第5行，第0列对应的元素的值设置为(255,255,0)
效果如下图：
这里写图片描述
这个太小了，我放大一点。
这里写图片描述

再换个其他的点：
这里写图片描述
这次使用了100*300的矩阵，修改了第0行，第100列的那个点为白色(255,255,255)，仔细看，在第0行的100列（约1/3处)有个白点，就是小了点儿。
所以，猜测的坐标原点是在左上角是对的。x轴是从原点水平向右正向增大，y轴是从原点竖直向下正向增大。

=======
补充，查到资料说还可以根据originde 的值 IPL_ORIGIN_TL和IPL_ORIGIN_BL来判断原点的位置，但问题是，我不知道怎么用python获取到IplImage这个对象，后来又了解到OpenCV的python-API中没有IplImage这个类型，那就不能用这个方法了。待续吧。

k7arm
关注
专栏目录
opencv 绘制坐标曲线_【opencv】提取论文中曲线坐标重新拟合绘制
weixin_36401794的博客
01-13 443
原图剪切出并处理的曲线 导出到csv格式 最后在matlab中进行拟合或者直接绘制，或者平滑绘制 opencv代码#include #include #include using namespace cv;using namespace std;void main(){vector pt;vector pt2;strin...
OpenCV坐标体系的初步认识
放飞梦想，展望未来
11-27 650
我们有多种方法可以获得从现实世界的数字图像：数码相机、扫描仪、计算机体层摄影或磁共振成像就是其中的几种。在每种情况下我们（人类）看到了什么是图像。但是，转换图像到我们的数字设备时我们的记录是图像的每个点的数值。 例如在上图中你可以看到车的镜子只是一个包含所有强度值的像素点矩阵。现在，我们如何获取和存储像素值可能根据最适合我们的需要而变化，最终可能减少计算机世界内的所有图像
opencv绘制点与坐标系
08-10
将一组点用opencv绘制并连线，绘制相应的坐标系与刻度
openCV坐标系与row&col的关系 (Mat::at(x,y)和Mat::at(Point(x, y))的区别)
热门推荐
hyqsong的专栏
11-10 1万+
直接给出对应关系吧注意都是相反的 row == heigh == Point.y col == width == Point.x Mat::at(Point(x, y)) == Mat::at(y,x) 因为还有点的坐标，所以建议在访问时都用Mat::at(Point(x, y))这种形式吧，免去了点坐标和行列的转换补充（详细解释） 坐标体系中的零点坐标为图片的左上角，
OpenCV坐标体系的初步
Mittens 的专栏
05-28 987
主要说明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(x1, x2)来访问图像中点的值时，
OpenCV---坐标体系完全解析
谦190的博客
05-04 2249
前沿 之前学习的时候就是不是很懂，学着学着就会更加麻烦，而且生活中，一些麻烦事情你不解决，往往这些麻烦事情就会接二连三的找你，就像我们平时复习的时候有些题目不会，结果考试的时候，偏偏就会考这些不会的，这些小麻烦影响心情的同时更加影响效率。科三练车也是第一次课程回来有些地方我不明白，第二次我就赶紧去就问这个，不要拍出错，更不要怕出丑，该问就问，不懂就问，最终曲折大家会问你过没过，谁都不会在乎过程的
关于opencv中图像的坐标原点的区分
hanxiaoyong_的博客
08-24 6808
转：http://blog.sina.com.cn/s/blog_a5fdbf0101017q8h.html 在opencv中，处理图像的时候，经常需要来按坐标点来获取相应位置的像素，那么这个时候知道坐标原点就显得很重要，如何区分呢？主要是看一个数据结构，那就是IplImage，在这个数据结构中，有一个成员叫做origin,查看其值，就可以知道了，如果origin=IPL_ORIGIN_TL（也...
关于opencv中的坐标问题
yishuihanq的博客
09-17 1995
关于opencv中坐标的问题 记性太差，总是弄错，特此记录一下。 原型：cv::Point2i::Point_(int _x, int _y)，其中：Y表示的是行位置，X是表示的列位置。 cv::circle(src, cv::Point(300, 100), 6, cv::Scalar(0, 255, 0), -1); 原型：C++ cv::Vec3b &cv::Mat::at<cv::Vec3b>(int row, int col)，其中：row表示行，col表示列。 .
Python在OpenCV里实现极坐标变换功能
09-18
本文详细介绍了在Python编程中使用OpenCV库实现极坐标变换功能的方法。极坐标变换是一种将直角坐标系中的数据点转换为极坐标系中的点的数学处理方式。直角坐标系（笛卡尔坐标系）是我们日常生活中最常用的坐标系统，...
opencv坐标xy
最新发布
07-17
坐标原点通常是左上角，即(0, 0)，第一行和第一列对应坐标值为(0, 0)，随着行数增加，y值递增；而列数增加，x值递增。 例如，如果你有一个宽度为W、高度为H的图像，那么一个像素的位置可以用一个二维数组表示：`(x,...
opencv坐标系到jmonkeyengine坐标系
05-30
在OpenCV中，坐标系原点通常位于图像的左上角。横向坐标向右增加，纵向坐标向下增加。例如，图像的左上角坐标为(0, 0)，右下角坐标为(width-1, height-1)，其中width和height分别为图像的宽度和高度。 在...
opencv基础
Blankit1的博客
07-02 833
一、基础介绍 图像坐标 图像的原点是左上角的点，终点在右下角。 opencv读取的颜色是BGR的。 img = cv2.imread(image) cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#颜色转换 BGR ——> RGB 二、基本操作 绘制直线、矩形及圆 新建一个全黑的图，作为底图. blank = np.zeros((300,300,3),...
Opencv中图像坐标的理解
please_call_me_YX的博客
02-28 4667
虽然使用OpenCV已经有一段时间，但是一直没有涉及单个像素点的操作。今天在提取像素点绘制水平以及数值轴直方图时，总感觉直方图提取反了，直到x,y坐标交换才得出正确结果。 找到这篇文章，坐标系以及像素点的提取作者介绍的很详细，贴出来提醒自己的同时与大家共同学习。 出处：http://www.cnblogs.com/tornadomeet 前言 　　相信很多朋友在使用OpenCV的时候会遇到...
opencv中坐标系的坑
u010484388的博客
04-13 2860
https://blog.csdn.net/qq_35423500/article/details/79499730
OpenCV坐标体系介绍以及像素点at操作讲解
SUJI的博客
04-10 3082
虽然使用OpenCV已经有一段时间，但是一直没有涉及单个像素点的操作。今天在提取像素点绘制水平以及数值轴直方图时，总感觉直方图提取反了，直到x,y坐标交换才得出正确结果。 找到这篇文章，坐标系以及像素点的提取作者介绍的很详细，贴出来提醒自己的同时与大家共同学习。出处：http://www.cnblogs.com/tornadomeet ， https://blog.csdn.net/yancey...
opencv图片坐标和数组坐标
weixin_30659829的博客
03-20 692
图片坐标和数组坐标是相反的，坐标原点位于左上角 1 import numpy as np 2 import cv2 3 4 height, width = 150, 200 5 img = np.zeros((height, width, 3), np.uint8) 6 img[:, :] = [255, 255, 255] 7 8 # Pixel pos...
计算机视觉中的坐标系之间的转换原理，以及OpenCV坐标原点的确定
suswulongyuan的博客
05-25 8819
作为一个正在做计算机视觉项目的体育学在读硕士，面对完全不熟悉的领域，跟看天书没什么两样。这个时候关于计算机和工科的一些概念能帮助我很好地了解进入这个领域。所以我写的博客都是以理解概念为主，希望对大家有所帮助。 在计算机视觉中，坐标系的转换尤为重要，但也是非常难弄懂的一个概念，什么物体（模型）坐标系、世界坐标系、照相机坐标系、标准化设备坐标系等等，非常复杂。 其中模型坐标系是每个模型在制作时特有的，...
【opencv】图像坐标系的理解
luoyang7891的博客
06-01 1万+
　　在冈萨雷斯的【数字图像处理】一书中，定义图像左上角为原点，竖直向下为x轴，水平向右为y轴。我也想当然的认为在opencv里面也是这样。 　　最近看一些opencv的示例程序时，总是被里面的一些注释所迷惑，而且各种参考书也没有清楚的说明各个坐标轴的关系。遂查之，才发现，这里的定义是不一样的。 　　在opencv中，坐标系的原点位于图片的左上角，但是其X轴为水平向右，Y轴为竖直向下。copy的图示如下: 1)该坐标体系在诸如结构体Mat,Rect,Point中都是适用的。 cols == wi
python设坐标原点_python – 更改绘图的原点
weixin_39963830的博客
12-03 2810
我有一个包含3列的数据表,我想在彩色2D绘图中根据前两个绘制第三列.例如,对于下表,即4.0 4.0 0.3136608279784.0 5.0 0.3653484184054.0 6.0 0.4237331201345.0 4.0 0.3653484184055.0 5.0 0.4395999306215.0 6.0 0.5250837544056.0 4.0 0.4237331201346.0...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值