python中row_深入理解OpenCV中的(row,col)和(x,y)

前言

在使用OpenCV的时候，其实经常会用到的就是对图像像素的操作。取单个像素，取部分像素(ROI操作)，这些OpenCV都给我们提供了接口，但是一定要注意dtype是否吻合以及像素的坐标(横坐标和纵坐标)，行和列之间到底是什么关系？什么时候又该用坐标，什么时候又该用行列？下面我将会细细道来。

行列

行和列一般使用在矩阵中，属于矩阵中的概念，也就是OpenCV-C++中的Mat对象，OpenCV-Python中的numpy的Array对象。如下图：

宽和高

宽和高是图像中的概念，内行人说矩阵，外行人是看图像的。一副图像的宽和高是相对的，看当前的方向。一般来说，宽对应像素矩阵的列，高对应像素矩阵的行。

x和y

其实我们在学习初中平面几何的时候，最常使用的坐标就是x和y，我们会默认的将x认为是横坐标，y认为是纵坐标。我们有这样先入为主的概念，其实，这个只是使用习惯的问题。我们也可以用y去代表横坐标，x去代表纵坐标，所以从本质上来说，x和y是没有任何物理意义的。如果按照x是横坐标，y是纵坐标的习惯去看，结合到图像中的坐标系一般是以左上角为原点，x轴向右，y轴向下，则x对应的范围是[0,col)，y对应的范围是 [0,row)。即x对应列，y对应行。

相关函数的使用

Python中

选取ROI对象采用切片法异常简单

roi = image[y1:y2,x1:x2,:] #先是