当前位置:首页 > 文章列表 > Golang > Go问答 > Go image.Point.Mod 怎样把坐标映射回给定矩形

Go image.Point.Mod 怎样把坐标映射回给定矩形

来源:17golang原创 2026-11-18 12:39:49 0浏览 收藏

如果一个点不断向右下移动,或者纹理、棋盘格需要循环铺开,坐标很快就会落到目标矩形之外。Go 的 image.Point.Mod 解决的是“按矩形宽高周期折回”的问题:它返回一个仍在给定矩形中的点,并保持两个点在 X、Y 方向上的差值分别是矩形宽度、高度的整数倍。

要把任意坐标映射回一个可能从非零坐标开始的矩形,用 p.Mod(r);要做普通平移,用 Sub;要判断是否已经在矩形内,用 In。三者不是同一种运算。

本文只围绕坐标映射展开,示例中的矩形是整数坐标范围,右边界和下边界遵循 Go 矩形的半开区间规则。

先判断场景是周期映射还是普通坐标平移

选方法前先看坐标的业务含义。周期映射需要把超出范围的点折回同一个矩形;例如一个宽度为 4、高度为 3 的单元格重复铺开,点向右走 4 个单位后应回到同一列。这里关心的是“等价位置”,而不是把点简单减去一个固定偏移。

Point.Mod 周期映射与普通坐标运算的边界说明图

图1:Point.Mod 的场景说明图,区分周期矩形、普通平移与范围判断;这是原创静态结构图,不是截图或运行证据。

如果你只是想把局部坐标转换成相对坐标,应该使用 p.Sub(r.Min)。如果只想知道点是否落在矩形中,使用 p.In(r) 更直接。把这三种需求混在一起,通常会出现“结果看似合理,但矩形起点变化后就错位”的问题。

把 Point.Mod 的矩形宽高语义拆开

官方定义可以拆成两个独立条件。设返回值为 q,矩形为 r:

  • q 必须位于 r 内部,即满足 r.Min.X 与 r.Min.Y 。
  • p.X - q.X 是矩形宽度 r.Dx() 的整数倍,p.Y - q.Y 是矩形高度 r.Dy() 的整数倍。

因此它不是以零点为固定起点的普通取余。矩形 image.Rect(10, 20, 14, 23) 的有效 X 是 10 到 13,有效 Y 是 20 到 22;矩形起点会参与映射。

package main

import (
	"fmt"
	"image"
)

func main() {
	// 矩形宽 4、高 3,左上角故意从非零坐标开始。
	r := image.Rect(10, 20, 14, 23)
	p := image.Pt(15, 26)

	// Mod 按 r 的宽高周期折回,并返回 r 内的等价点。
	q := p.Mod(r)

	// 这两个差值分别应当是宽度和高度的整数倍。
	fmt.Println(q)                 // 结果示意:(11,20)
	fmt.Println((p.X - q.X) / r.Dx()) // 结果示意:1
	fmt.Println((p.Y - q.Y) / r.Dy()) // 结果示意:2
}

这个例子里,15 - 11 = 4,26 - 20 = 6,正好分别是 r.Dx() 与 r.Dy() 的整数倍。注意代码注释中的输出是为了说明计算关系,并不把配图或文章包装成现场截图。

用非零起点和负坐标示例算出结果

最容易误判的是负坐标。仍然使用 r := image.Rect(10, 20, 14, 23),当 p := image.Pt(8, 18) 时,返回值可以是 (12,21):X 方向的差是 -4,Y 方向的差是 -3,两者仍分别是宽和高的整数倍,而且结果点确实在矩形内。

Point.Mod 使用非零矩形和负坐标计算结果的说明图

图2:非零起点矩形的静态计算关系图,查看 p、矩形宽高与 q 的约束;这是原创说明图,不是运行结果截图。

可以把它理解为两个一维映射同时发生:X 只看矩形的宽度和 X 起点,Y 只看矩形的高度和 Y 起点。不要先对 p.X、p.Y 做一次以 0 为起点的取余,再把结果直接加到矩形上;那样在负数和非零起点组合下很容易出现偏移一格。

比较 Mod、Sub 与 In,按结果类型做选择

Mod 的结果仍然是一个点;它适合周期坐标、重复单元和把外部采样位置折回局部矩形。Sub 返回的是向量差,适合坐标系变换,例如把全局点换算成以 r.Min 为原点的局部点。In 只返回布尔值,适合做边界判断,不会修改坐标。

需求优先选择判断标准
超界后按宽高循环回矩形p.Mod(r)结果点在 r 内,差值是宽高整数倍
转换到以矩形起点为参照的局部坐标p.Sub(r.Min)需要保留“离起点多远”,不要求结果仍在 r 内
只判断点是否位于矩形p.In(r)只需要 true/false,不需要折回

推荐先写出结果契约,再调用方法:如果结果必须落回矩形,就选 Mod;如果结果要表达位移,就选 Sub;如果越界需要被拒绝,就先用 In 判断。这样比看到“坐标超出范围”就统一取余更稳妥。

空矩形和越界输入的使用边界

Mod 依赖矩形宽度和高度作为周期。使用前应保证 r.Dx() 与 r.Dy() 都为正数;空矩形没有可返回的内部点,也不适合作为周期区域。矩形的右边界、下边界不属于矩形,不能把 r.Max 当成最后一个有效像素坐标。

最后可以用下面的清单收口:

  • 矩形是否是半开区间,起点是否可能不是 (0,0);
  • 需要的是周期折回、局部位移,还是单纯边界判断;
  • 是否在调用前排除了宽度或高度为零的矩形。

相关问题:Point.Mod 会改变原点吗? 不会,它返回新的 image.Point。它只适用于图像吗? 不限于图像,只要数据使用整数矩形周期,就可以复用这个坐标语义。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Redis MEMORY MALLOC-STATS 怎样读取内存分配器的统计文本Redis MEMORY MALLOC-STATS 怎样读取内存分配器的统计文本
上一篇
Redis MEMORY MALLOC-STATS 怎样读取内存分配器的统计文本
Go go/types.Slice.Elem 怎样取得切片元素的静态类型
下一篇
Go go/types.Slice.Elem 怎样取得切片元素的静态类型
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1095次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1091次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1256次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1197次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    1045次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码