【OpenCV 问题记录】（1）对于.at<uchar>(j, i) 和.at<uchar>(Point(j, i)) 的区别

最新推荐文章于 2025-06-18 15:41:02 发布

原创最新推荐文章于 2025-06-18 15:41:02 发布 · 8.9k 阅读

68 ·

CC 4.0 BY-SA版权

文章标签：

#OpenCV问题收集

OpenCV 同时被 2 个专栏收录

13 篇文章

订阅专栏

OpenCV问题记录

2 篇文章

订阅专栏

本文详细解释了OpenCV库中Mat::at函数的两种使用方式：通过行列索引和坐标点获取图像像素的区别，并通过示例图帮助读者更好地理解两者的不同。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

注意！！

我在opencv实现在图像上画对角线和分割之一上说了一下自己对于Mat::at 这个类的一些看法，我觉得可能会误导了一些人，所以特意说一下这两者的区别

我说说我的理解：

srcImage.at<uchar>(j, i) //表示的是  j 行 i 列 的这个像素
srcImage.at<uchar>(Point(j, i)) //表示的是 坐标（j,i）的像素

为了我下面的图方便说明 j 换成 x , i 换成 y 。也就是说：

srcImage.at<uchar>(x, y) //表示的是 x 行 y 列 的这个像素
srcImage.at<uchar>(Point(x, y)) //表示的是 坐标（x,y）的像素

可能就会有人不明白了，有什么区别呢？？
先上一幅图
坐标图
问图中红点的坐标是？（2，1）还是（1，2）？
答案是（2，1）！
为什么？看清了我问的是坐标！！
那么（2，1）和（1，2）究竟有什么不同？
（2，1）表示的是红点的坐标，就是红点的 x 坐标是 2， y 坐标是 1。
（1，2）表示的是红点的行和列，就是红点的行是1，列是2，也就是红点在第 1 行，第 2 列。
这下子我相信大家都明白这两者的区别了吧

srcImage.at<uchar>(j, i)
srcImage.at<uchar>(Point(j, i))

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Hzhihua

关注关注

26
点赞
踩
68

收藏

觉得还不错? 一键收藏
10
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

OpenCV学习笔记——saturate_cast<uchar>

无善无恶心之体

04-20

2927

#ifndef OPENCV_CORE_SATURATE_HPP #define OPENCV_CORE_SATURATE_HPP #include "opencv2/core/cvdef.h" #include "opencv2/core/fast_math.hpp" namespace cv { //! @addtogroup core_utils //! @{ ///////////...

【OpenCV 】对于.at＜uchar＞(j, i) 和.at＜uchar＞(Point(j, i)) 的区别

qq_36955294的博客

12-10

1702

注意！！我在opencv实现在图像上画对角线和分割之一上说了一下自己对于Mat::at 这个类的一些看法，我觉得可能会误导了一些人，所以特意说一下这两者的区别我说说我的理解： srcImage.at<uchar>(j, i) //表示的是 j 行 i 列的这个像素 srcImage.at<uchar>(Point(j, i)) //表示的是坐标（j,i）的像素为了我下面的图方便说明 j 换成 x , i 换成 y 。也就是说： srcImage.at&lt

10 条评论您还未登录，请先登录后发表或查看评论

opencv笔记（二十五）——对于.at<uchar>(j, i) 和.at<uchar>(Point(j, i)) 的区别

qq_37764129的博客

08-31

4351

srcImage.at<uchar>(j, i) //表示的是 j 行 i 列的这个像素 srcImage.at<uchar>(Point(j, i)) //表示的是坐标（j,i）的像素为了我下面的图方便说明 j 换成 x , i 换成 y 。也就是说： srcImage.at<uchar>(x, y) //表示的是 x 行 y 列的这个像素 ...

C语言基础：1.基础数据类型

2502_92275547的博客

06-18

390

本文梳理了C语言基本数据类型及其特性。char类型占用1字节，可表示ASCII字符；int通常4字节，支持多种变体(short/long等)；float为4字节单精度浮点。重点讲解了signed/unsigned修饰符的区别，并通过示例揭示了整数溢出和有符号/无符号混用等常见陷阱。文章还提供了各类型典型占用空间及数值范围，强调数据类型选择对内存优化和跨平台开发的重要性。理解这些基础知识是编写高效可靠C程序的关键。

opencv中 .at＜uchar＞（）和.ptr＜uchar＞（）使用方法的区别

xxhjxx的博客

04-22

5971

opencv中 .at（）和.ptr（）使用方法的区别在opencv中，.at（）和.ptr（）都是获取像素值的函数，但是二者是有区别的。在说明这两个函数的使用方法前，先补充一个知识： c语言中*和&的区别，num是有前提的，前提是num这个变量里要存放另一个变量的地址，所以num就代表取的num存放的变量的值,即： int *num = &a;（int *num = a；这种写法是错误的，a一定要取地址符）那么num = a的地址而&num则代表取num的地址。 ok，

opencv灰度图at<uchar>(i, j)显示不出来--乱码

Arcobaleno

05-22

1649

如果你也是单通道灰度图的话，和我一样的情况的话，记得转成int int(mat.at<uchar>(i, j)

Mat对象使用at＜uchar＞报错

sky130054的博客

08-11

1394

分析一下这段代码: for (int h = 0; h < resolution_height; h++) { std::vector<float> data(&filtered.at<float>(h, 0), &filtered.at<float>(h, 0) + resolution_width); cv::Point pMax, pMin; cv::minMaxLoc(data, NULL, NULL, &pMin, &pMax); int width = fabs(pMax.x - pMin.x) + 1; //激光线太细数据量不够不计算 if (width < 3) continue; int start = pMax.x < pMin.x ? pMax.x : pMin.x; int end = pMax.x > pMin.x ? pMax.x : pMin.x; //计算[start,end]区间内平均灰度 float avg = cv::sum(std::vector<uchar>(&src_img_float.at<uchar>(h, start), &src_img_float.at<uchar>(h, start) + width))[0] / (float)width; //平均灰度太低不计算 if (avg < gray_threshold) continue; //对[start,end]内的点进行高斯拟合，方法见 //https://blog.csdn.net/qq_33487700/article/details/121998149 cv::Mat A(width, 3, CV_64F); cv::Mat b(width, 1, CV_64F); for (int r = 0; r < A.rows; r++) { A.at<double>(r, 0) = 1; int x = start + r; int y = src_img_float.at<uchar>(h, x); A.at<double>(r, 1) = x; A.at<double>(r, 2) = x * x; b.at<double>(r, 0) = log(y); } //cv::Mat x; //cv::solve(A, b, x, cv::DecompTypes::DECOMP_SVD); //和fpga一致 cv::Mat x = (A.t() * A).inv() * A.t() * b; centre_points_internal[h].x = -x.at<double>(1, 0) / (2 * x.at<double>(2, 0)); gray_values_internal[h] = src_img_float.at<uchar>(h, centre_points_internal[h].x); }

07-22

这里，系数`b`是上面求出的`x`矩阵的第二个元素（即`x.at<double>(1,0)`），`c`是第三个元素（即`x.at<double>(2,0)`）： ```cpp centre_points_internal[h].x = -x.at<double>(1, 0) / (2 * x.at<double>(2, 0));...

for (int i = 1; i < inputImg.rows - 1; i++) for (int j = 1; j < inputImg.cols - 1; j++) { if (inputImg.at<uchar>(i, j) == 255) { cv::Point currentPoint(j, i); std::vector<cv::Point> neighborPoints; neighborPoints.push_back(cv::Point(j - 1, i - 1)); neighborPoints.push_back(cv::Point(j, i - 1)); neighborPoints.push_back(cv::Point(j + 1, i - 1)); neighborPoints.push_back(cv::Point(j - 1, i)); int minLabel = 255; for (std::vector<cv::Point>::iterator it = neighborPoints.begin(); it != neighborPoints.end(); it++) { int neighborLabel = labelImg.at<int>(it->y, it->x); if (neighborLabel > 0 && neighborLabel < minLabel) minLabel = neighborLabel; } if (minLabel == 255) { labelImg.at<int>(i, j) = label; label++; } else { labelImg.at<int>(i, j) = minLabel; for (std::vector<cv::Point>::iterator it = neighborPoints.begin(); it != neighborPoints.end(); it++) if (labelImg.at<int>(it->y, it->x) > 0 && labelImg.at<int>(it->y, it->x) != minLabel) { int tempLabel = labelImg.at<int>(it->y, it->x); cv::Mat mask = (labelImg == tempLabel); labelImg.setTo(minLabel, mask); } } } }

05-16

其中，inputImg是输入的图像，labelImg是输出的标记图像，uchar和int是OpenCV中的数据类型。具体的算法流程如下： 1. 对于每个像素点，如果像素值为255，则进行下一步处理。 2. 找到该像素点的相邻像素点（左、...

*v = false; Mat matEdge; Mat src = srcMat.clone(); threshold(src, matEdge, 0, 255, THRESH_OTSU); Canny(matEdge, matEdge, 3, 9, 3); Mat pointList = Mat(1, 2, CV_32FC1, Scalar(0)); Mat List1 = Mat(1, 2, CV_32FC1, Scalar(0)); Mat List2 = Mat(1, 2, CV_32FC1, Scalar(0)); Mat point = Mat(1, 2, CV_32FC1, Scalar(0)); float cu = 0, cv = 0; int row = matEdge.rows, col = matEdge.cols; for (int v = 0; v < row; v++) { for (int u = 0; u < col; u++) { if (matEdge.ptr<uchar>(v)[u] > 0) { point.ptr<float>(0)[0] = u; point.ptr<float>(0)[1] = v; pointList.push_back(point); cu = cu + u; cv = cv + v; } } } if (pointList.rows < 3) return; pointList = pointList(Range(1, pointList.rows), Range(0, 2)); cu = cu / pointList.rows; cv = cv / pointList.rows; float a1, b1, a2, b2, dt; a1 = 1, b1 = 0, a2 = 0, b2 = 1; dt = 0.20*matEdge.rows; float tempu, tempv, d, tempa, tempb, tempR1, tempR2; row = pointList.rows; for (int i = 0; i < row; i++) { tempu = pointList.ptr<float>(i)[0] - cu; tempv = pointList.ptr<float>(i)[1] - cv; pointList.ptr<float>(i)[0] = tempu; pointList.ptr<float>(i)[1] = tempv; d = sqrt(tempu*tempu + tempv*tempv); if (d < dt) continue; //忽略离中心太近的点 tempa = tempu / d; tempb = tempv / d; tempR1 = abs(a1*tempa + b1*tempb); tempR2 = abs(a2*tempa + b2*tempb); if (tempR1 > tempR2) { if ((a1*tempa + b1*tempb) > 0) { a1 = (a1 + tempa) / 2; b1 = (b1 + tempb) / 2; } else { a1 = (a1 - tempa) / 2; b1 = (b1 - tempb) / 2; } point.ptr<float>(0)[0] = tempu; point.ptr<float>(0)[1] = tempv; List1.push_back(point); } else { if ((a2*tempa + b2*tempb) > 0) { a2 = (a2 + tempa) / 2; b2 = (b2 + tempb) / 2; } else { a2 = (a2 - tempa) / 2; b2 = (b2 - tempb) / 2; } point.ptr<float>(0)[0] = tempu; point.ptr<float>(0)[1] = tempv; List2.push_back(point); } } //修正直线向量 List1 = List1(Range(1, List1.rows), Range(0, 2)); List2 = List2(Range(1, List2.rows), Range(0, 2)); if (List1.rows < 3 || List2.rows < 3) return; Mat U1, W1, V1, U2, W2, V2; SVD::compute(List1, W1, U1, V1); SVD::compute(List2, W2, U2, V2); a1 = V1.ptr<float>(0)[0]; b1 = V1.ptr<float>(0)[1]; a2 = V2.ptr<float>(0)[0]; b2 = V2.ptr<float>(0)[1]; Mat mR = (Mat_<float>(1, 4) << a1, b1, a2, b2); //检查点数量 float numT = 0; if (abs(a1) > abs(b1)) numT = 2 * matEdge.rows / abs(a1); else numT = 2 * matEdge.rows / abs(b1); if (pointList.rows < 0.8 * numT || pointList.rows > 2 * numT) return; //记录与正交直线的近似性 float record = 0, temp1, temp2; row = pointList.rows; for (int i = 0; i < row; i++) { temp1 = abs(pointList.ptr<float>(i)[0] * a1 + pointList.ptr<float>(i)[1] * b1); temp2 = abs(pointList.ptr<float>(i)[0] * a2 + pointList.ptr<float>(i)[1] * b2); if (temp1 > temp2) temp1 = temp2; if (temp1 > dt) record++; } if (record == 0) { *lineVec = mR.clone(); *v = true; } 怎么提高垂直度的判断