当前位置:首页 > 文章列表 > Golang > Go问答 > Go image.Point.Sub 怎样计算两个坐标点的差值

Go image.Point.Sub 怎样计算两个坐标点的差值

来源:17golang原创 2026-11-19 06:32:33 0浏览 收藏

在 Go 的图像坐标处理中,如果要知道“目标点相对起点移动了多少”,可以直接使用 image.Point.Sub。它按分量计算 p.X-q.X 和 p.Y-q.Y,返回一个新的 image.Point,不会改写原来的两个点。

官方地址:https://pkg.go.dev/image#Point.Sub

调用 target.Sub(origin) 就是在计算“目标点减去起点”的位移向量。结果为正表示对应坐标增加,结果为负表示对应坐标减少;负数不是解析失败。

Sub 的含义:返回 p-q 组成的新 Point

官方文档把 Sub 定义为返回向量 p-q。这里的减法不是把两个结构体整体相减,而是分别处理 X、Y 两个整数坐标:

  • 结果 X:p.X - q.X;
  • 结果 Y:p.Y - q.Y;
  • 结果类型仍然是 image.Point,可以继续参与 Add、Mul 或边界判断。
image.Point.Sub 将两个点拆成 X 和 Y 分量并返回新 Point 的静态关系说明图
图1:结构说明图,展示 image.Point.Sub 的两个坐标分量与返回向量。

因此,下面的调用方向很重要:p.Sub(q) 与 q.Sub(p) 的结果互为相反数。把起点放在接收者位置、把终点作为参数,通常更容易读出代码意图。

用最小示例计算两个坐标的差值

例如把左上角附近的起点和一个目标像素点转换成位移向量:

package main

import (
    "fmt"
    "image"
)

func main() {
    origin := image.Pt(12, 8)
    target := image.Pt(20, 5)

    // 计算 target 相对 origin 的 X、Y 位移,不修改 origin 和 target。
    delta := target.Sub(origin)
    fmt.Println(delta) // 结果示意: (8, -3)
}

这个例子中,X 从 12 增加到 20,所以差值是 8;Y 从 8 变成 5,所以差值是 -3。按照图像坐标系的常见约定,Y 轴向下增长,因此负的 Y 位移可以理解为“向上移动 3 个单位”。这只是坐标差的解释,不代表 Sub 会执行图像旋转、裁剪或像素复制。

如果要把目标点还原出来,可以把起点与差值相加:

// delta 表示 target-origin;加回 origin 后得到目标点。
recovered := origin.Add(delta)
fmt.Println(recovered) // 结果示意: (20, 5)

Sub 和 Add 的组合适合表达坐标关系:前者得到位移,后者把位移应用到另一个点。二者都返回新值,原变量仍可在后续逻辑中复用。

负数不是错误:先确认减法方向

最常见的误判是看到结果里出现负数,就认为坐标计算失败。实际上,负数只说明接收者的某个分量小于参数对应的分量:

// 接收者在左边,参数在右边,两个分量都会变成负数。
left := image.Pt(10, 4)
right := image.Pt(16, 9)
delta := left.Sub(right)
fmt.Println(delta) // 结果示意: (-6, -5)

排查时可以按下面的速查关系确认方向:

写法含义适合表达
target.Sub(origin)目标减起点从起点指向目标的位移
origin.Sub(target)起点减目标从目标返回起点的位移
p.Sub(q)逐分量相减得到新的 Point,不改 p/q

不要把 Point.Sub 和 Rectangle.Sub 混为一谈

image.Point.Sub 的结果仍是一个点向量;而 image.Rectangle.Sub 接收一个点,返回平移后的矩形。两者都叫 Sub,但对象类型和用途不同:

// Point.Sub 得到两个点之间的坐标差。
delta := target.Sub(origin)

// Rectangle.Sub 把矩形整体平移 -origin,返回新的 Rectangle。
rect := image.Rect(0, 0, 100, 60)
shifted := rect.Sub(origin)

fmt.Println(delta, shifted) // 结果示意:分别是 Point 和 Rectangle
image.Point.Sub 的位移向量与 image.Rectangle.Sub 的矩形平移边界静态说明图
图2:边界说明图,对比点的位移向量与矩形平移对象。

选择方法时先看接收者的类型:变量是 image.Point,想求坐标差就用点的 Sub;变量是 image.Rectangle,想整体移动区域才考虑矩形的 Sub。不需要为了调用它手动拆出 X、Y,也不需要先创建一个可变的临时点。

常见问题

image.Point.Sub 会修改原来的点吗?

不会。它按值接收 Point 并返回新的 Point,调用前后的两个原变量仍保持原坐标。

为什么 p.Sub(q) 和 q.Sub(p) 结果不同?

因为减法有方向。前者是 p-q,后者是 q-p;如果两个点不相同,它们的 X、Y 分量会分别互为相反数。

出现负坐标需要先做绝对值吗?

不需要。位移向量需要保留方向;只有业务明确要求“距离大小”时,才应另行计算绝对值或使用距离公式,不能在通用坐标差阶段提前丢掉符号。

记住一句话即可:target.Sub(origin) 表示“从 origin 到 target 的坐标差”。明确接收者、参数和返回类型,就能避免把负数、原地修改和矩形平移混在一起。

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 math/big.Float.SetMode 为什么会把 Acc 重置为 ExactGo math/big.Float.SetMode 为什么会把 Acc 重置为 Exact
上一篇
Go math/big.Float.SetMode 为什么会把 Acc 重置为 Exact
Go slog.Handler.Enabled 为什么值得在昂贵参数前调用
下一篇
Go slog.Handler.Enabled 为什么值得在昂贵参数前调用
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。
    1102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。
    1099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。
    1270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。
    1211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。
    1058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