当前位置:首页 > 文章列表 > Golang > Go问答 > Go image.Rectangle.Overlaps 怎样判断两个矩形是否有公共区域

Go image.Rectangle.Overlaps 怎样判断两个矩形是否有公共区域

来源:17golang原创 2026-11-18 19:04:06 0浏览 收藏

调用 r.Overlaps(s) 可以判断两个 image.Rectangle 是否有非空交集,返回 bool。两者都非空,且 X、Y 两个方向都存在交叠时结果才为 true。仅边缘相接、仅角点相接或者任意一方为空时,结果都是 false。

官方地址:https://pkg.go.dev/image#Rectangle.Overlaps

直接查询是否存在非空交集

在图像裁剪或绘制区域筛选中,常常先要知道两个范围是否相交,再决定是否继续处理。这里使用的是现有标准库几何接口,不涉及新的图像框架或版本公告。最小调用就是 hit := base.Overlaps(other),没有额外模式参数,也没有 error 返回值。

package main

import (
    "fmt"
    "image"
)

func main() {
    base := image.Rect(2, 3, 12, 13)
    cases := []struct {
        name string
        box  image.Rectangle
    }{
        {"有公共区域", image.Rect(8, 7, 17, 16)},
        {"只在右边接触", image.Rect(12, 5, 18, 9)},
        {"宽度为零", image.Rect(6, 5, 6, 10)},
    }
    for _, item := range cases {
        // 只需要判定时用 Overlaps;结果为 false 并不是调用错误。
        hit := base.Overlaps(item.box)
        fmt.Printf("%s: %t\n", item.name, hit)
        if hit {
            // 还需要公共区域坐标时,另取交集,不会修改 base。
            shared := base.Intersect(item.box)
            fmt.Println("交集:", shared)
        }
    }
}

根据这组原创坐标推导,三项判断依次为 true、false、false。第一项的交集范围为 Min(8,7)、Max(12,13)。这些是输入坐标的几何推导,不是实际程序运行记录。

静态关系包括 矩形r、矩形s、Overlaps、X方向、Y方向 和 非空交集:两个矩形提供边界,方法结合两个方向的重叠情况形成判断。

两个矩形与两个坐标方向共同决定非空交集的关系
结构说明图:两个方向必须同时交叠,单一方向重叠不足以判定公共区域。

按半开区间解释边缘接触

Rectangle 的范围包含 Min,排除 Max。以 base 为例,X 范围是从2开始、小于12,Y 范围是从3开始、小于13。因此另一个矩形从 X=12 开始时,并没有与 base 共享 X 坐标,仅画出来“边挨边”不会构成非空交集。

关系Overlaps含义
两个方向都有正宽度的共同范围true存在公共区域
只在一条边接触false至少一个方向没有共同范围
只在角点接触false没有公共区域
任意一方为空false不存在非空交集

如果业务把接触也定义为碰撞,应单独描述这种规则。不要修改对 Overlaps 返回值的解释,把 false 写成标准库判断失效。

区分布尔判断与交集坐标

Overlaps 回答“有没有”,Intersect 返回公共矩形。仅筛选候选区域时使用布尔判断更直接;确实要用交集绘制或裁剪时,再取得返回矩形。两者都不会原地改变调用者保存的原矩形。

当得到交集矩形后,以 Empty 判断它是否为空,不要只看 Min 或 Max 是否等于零。合法的非空范围可以从原点开始,零坐标不等于空区域。原矩形、交集矩形、布尔结果 是不同的数据;Overlaps 关联布尔结果,Intersect 关联交集矩形,Empty 关联空范围判断。

Overlaps与Intersect及Empty的输出职责区别
结构说明图:判断交叠与取得交集各有接口,空范围判断不靠猜测零坐标。

处理空矩形和坐标方向

宽度为零或高度为零的范围不含点,不会与另一个范围产生非空交集。直接构造 Rectangle 字段时,也可能得到 Min 大于 Max 的值;Overlaps 不替调用方交换坐标。

本例用 image.Rect 构造范围,它会在必要时交换起止坐标。若原始输入是拖动框的两个角,可以明确决定是否做规范化;若输入来自其他系统,还应先确定双方是否在同一坐标空间。这里讨论的是矩形范围,不是旋转多边形或图像中不透明像素的精确碰撞。

完全相同的两个矩形一定重叠吗?

非空时是;如果两者都是空矩形,则仍没有非空交集。

一个小矩形在大矩形内部算重叠吗?

只要小矩形非空,就有公共区域。Overlaps 不要求两个范围必须互相穿过边界。

图像 Bounds 重叠就说明像素内容碰撞吗?

不能。它只描述外部矩形范围,不检查透明像素或具体图案。

技术依据:image.Rectangle 官方方法文档、Rectangle 几何运算官方实现。

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
Go go/types.NewArray 怎样构造固定长度的数组类型对象Go go/types.NewArray 怎样构造固定长度的数组类型对象
上一篇
Go go/types.NewArray 怎样构造固定长度的数组类型对象
Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同
下一篇
Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同
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。
    1096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。
    1092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。
    1260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。
    1202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。
    1049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