使用OpenCV-Python的函数minMaxLoc()应该注意的两点_minmaxloc函数

OpenCV中的函数minMaxLoc()用于找出矩阵中的最大值和最小值，并且给出它们中的坐标。
函数原型如下：
C++原型有两个，分别如下：

C++原型一：

void cv::minMaxLoc	(	InputArray 	src,
double * 	minVal,
double * 	maxVal = 0,
Point * 	minLoc = 0,
Point * 	maxLoc = 0,
InputArray 	mask = noArray() 
)	
1
2
3
4
5
6
7

参数意义如下：
src—输入矩阵，要求是单通道的图像，即二维的矩阵。
minVal—矩阵中的最小值。
maxVal—矩阵中的最大值。
minLoc—矩阵中的最小值的坐标。
maxLoc—矩阵中的最大值的坐标。
mask—掩模矩阵。

C++原型二：

void cv::minMaxLoc	(	const SparseMat & 	a,
double * 	minVal,
double * 	maxVal,
int * 	minIdx = 0,
int * 	maxIdx = 0 
)	
1
2
3
4
5
6

参数意义如下：
a—输入矩阵，要求是单通道的图像，即二维的矩阵。
minVal—矩阵中的最小值。
maxVal—矩阵中的最大值。
minIdx—矩阵中最小值的坐标。
maxIdx—矩阵中最大值的坐标。

Python原型如下：

minVal, maxVal, minLoc, maxLoc	=	cv.minMaxLoc(	src[, mask]	)
1

参数意义如下：
src—输入矩阵，要求是单通道的图像，即二维的矩阵。
minVal—矩阵中的最小值。
maxVal—矩阵中的最大值。
minLoc—矩阵中的最小值的坐标。
maxLoc—矩阵中的最大值的坐标。
mask—掩模矩阵。

使用中需注意以下两点：
1 矩阵只能是一维或二维的矩阵，如果是二维以上的矩阵，需要先进行降维处理，比如使用函数reshape()完成，reshape()函数的使用方法可参见下面这篇我的博文：
https://blog.csdn.net/wenhao_ir/article/details/123514750
2 其返回的坐标是列号在前，行号在后，而不是行号在前，列号在后，为什么这样，因为列号相当于是直角坐标系中的x坐标，行号相当于直角坐标系的y坐标。但是要注意，对矩阵元素的引用，则是行号在前，列号在后。实例如下面的代码：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# 图像处理开发需求、图像处理接私活挣零花钱，请加微信/QQ 2487872782
# 图像处理开发资料、图像处理技术交流请加QQ群，群号 271891601
# OpenCV的版本为4.1

import cv2 as cv
import numpy as np

# 新建矩阵array
array = np.array([1, 2, 3, 4, 5, 6, 10, 7, 8, 9, 10, 0])
# 将array调整为3*4的单通道图像
img1 = array.reshape((3, 4))
minval_1, maxval_1, minloc_1, maxloc_1 = cv.minMaxLoc(img1)
temp1 = img1[2, 1]
temp2 = img1[1, 2]
print('图像img1中最小值为：{}, 其位置为：{}' .format(minval_1, minloc_1))
print('图像img1中最大值为：{}, 其位置为：{}' .format(maxval_1, maxloc_1))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

运行结果如下图所示：

而矩阵img1的内容如下图所示：

可以看出，如果按行在前，列在后，其最小点的坐标应该为(2,3)，而不是运行结果中的(3,2)，这一点大家在使用中应该特别注意。