已知像素点的灰度值，如何获取此像素点的坐标值

要获取像素点的坐标值，需要知道图像的大小和像素点的位置。在图像处理中，通常将图像的左上角坐标作为原点，而向右和向下分别为正方向。

假设我们有一幅宽度为W，高度为H的图像，像素点的坐标范围为[0, W-1]和[0, H-1]。如果想获取位于第i行、第j列的像素点的坐标值(x, y)，可以使用以下公式：

x = j
y = i

例如，在一幅宽度为800，高度为600的图像中，想要获取位于第100行、第200列的像素点的坐标值，可以计算出：

x = 200
y = 100

因此，该像素点的坐标值为(200, 100)。

相关问题

C++怎么在一幅灰度图像中找到一个已知像素值的所有坐标，并把坐标放到vector容器中返回

可以使用双重循环扫描整幅图像，找到与目标像素值相同的像素点，并将其坐标加入到vector容器中返回。具体代码示例如下：

vector<pair<int, int>> findPixel(Mat grayImg, int pixelValue) {
    vector<pair<int, int>> pixelCoords;
    for (int i = 0; i < grayImg.rows; i++) {
        for (int j = 0; j < grayImg.cols; j++) {
            if (grayImg.at<uchar>(i, j) == pixelValue) {  // 判断像素值是否相同
                pixelCoords.push_back(make_pair(i, j));  // 将坐标加入到vector容器中
            }
        }
    }
    return pixelCoords;
}

其中，grayImg表示输入的灰度图像，pixelValue表示待查找的像素值，返回一个存储坐标的vector容器。

已知一些图像边缘点坐标，在边缘点周围进行像素值的扩散，图像其他部分保持不变具体代码

以下是一个简单的示例代码，假设原始图像为灰度图、边缘点坐标存储在列表 `edge_points` 中、扩散半径为 5：

import cv2
import numpy as np

# 读入原始图像
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 新数组等于原数组，先将其复制一份
new_img = img.copy()

# 扩散像素值
for x, y in edge_points:
    for i in range(-5, 6):
        for j in range(-5, 6):
            new_x, new_y = x + i, y + j
            # 只在边缘点周围扩散像素值
            if 0 <= new_x < img.shape[0] and 0 <= new_y < img.shape[1]:
                new_img[new_x, new_y] = img[x, y]

# 显示结果
cv2.imshow('new image', new_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码的思路是：先将新数组复制成原数组，然后只在边缘点周围进行像素值扩散，其他部分保持不变。在扩散像素值时，需要判断新坐标是否越界，以避免数组越界的错误。