Qt 坐标位置转换
最编程
2024-03-21 10:24:01
...
Qt 坐标位置转换
文章目录
- Qt 坐标位置转换
- 常见的位置坐标转换
- Qt窗体中常用坐标的区别与获取途径
- 当前光标相对于屏幕的绝对位置
- 当前光标相对于当前窗口的位置
- 鼠标事件发生的位置
- 窗体的位置
- 判断鼠标光标是否悬浮在某个子控件上
从事Qt快一年了 ,在做坐标转换的时候容易搞混 这边重新梳理一下 做一下总结
最主要的几种坐标系统:
- 窗口坐标(Window Coordinates):窗口坐标是相对于窗口左上角的坐标。在这个坐标系统中,原点(0,0)位于窗口的左上角,x 轴从左到右增加,y 轴从上到下增加。这意味着,如果你在窗口中的某个位置点击鼠标,那么你得到的鼠标点击事件的坐标就是相对于窗口左上角的坐标。
- 显示器坐标(Screen Coordinates):显示器坐标是相对于整个显示器的坐标。在这个坐标系统中,原点(0,0)位于显示器的左上角,x 轴从左到右增加,y 轴从上到下增加。这意味着,无论你在哪个窗口或者哪个部分的屏幕上点击鼠标,你得到的鼠标点击事件的坐标都是相对于显示器左上角的坐标。
- 父窗口坐标(Parent Coordinates):这是相对于父窗口(如果有的话)的坐标系统。原点(0,0)位于父窗口的左上角。这在处理嵌套窗口或控件时非常有用。
- 场景坐标(Scene Coordinates):这是在 QGraphicsScene 中使用的坐标系统,用于处理图形项的位置和变换。原点(0,0)可以在场景的任何位置,默认在中心 这取决于你如何设置和使用场景。
- 视图坐标(View Coordinates):这是在 QGraphicsView 中使用的坐标系统,用于处理视图滚动和缩放。原点(0,0)位于视图的左上角。
常见的位置坐标转换
-
QPoint QMouseEvent::pos()
这个只是返回鼠标事件相对这个widget(重载了QMouseEvent的widget)的位置。 -
QPoint QMouseEvent::globalPos()
窗口坐标,这个是返回鼠标的全局坐标,相对于屏幕的左上角 -
QPoint QCursor::pos()
返回相对显示器的全局坐标 -
QPoint QWidget::mapToGlobal(const QPoint & pos) const
将窗口坐标转换成显示器坐标 -
QPoint QWidget::mapFromGlobal(const QPoint & pos) const
将显示器坐标转换成窗口坐标 -
QPoint QWidget::mapToParent(const QPoint & pos) const
将窗口坐标获得的pos转换成父类widget的坐标 -
QPoint QWidget::mapFromParent(const QPoint & pos) const
将父类窗口坐标转换成当前窗口坐标 -
QPoint QWidget::mapTo(const QWidget * parent, const QPoint & pos) const
将当前窗口坐标转换成指定parent坐标。 -
QWidget::pos() : QPoint
这个属性获得的是当前目前控件在父窗口中的位置 -
const QPointF & QMouseEvent::screenPos() const和QPoint QMouseEvent::globalPos() 值相同,但是类型更高精度的QPointF
例如 pWidget->mapToGlobal(QPoint(x,y));即 把你在pWidget里面的坐标(x,y) 所表示的点. 用Global的坐标表示 即 pWidget->mapToGlobal(QPoint(0,0)) +QPoint(x,y) = pWidget->mapToGlobal(QPoint(x,y)) 如图:
Qt窗体中常用坐标的区别与获取途径
当前光标相对于屏幕的绝对位置
QCursor::pos()
当前光标相对于当前窗口的位置
this->mapFromGlobal(QCursor::pos())
鼠标事件发生的位置
void MainWindow::mouseReleaseEvent(QMouseEvent* event)
{
QPoint pos = event->pos(); //相对于当前窗口的位置
QPoint globalPos = event->globalPos(); //相对于屏幕的全局绝对位置
}
窗体的位置
QWidget *widget = new QWidget();
widget.pos(); //窗体的左上角的位置
判断鼠标光标是否悬浮在某个子控件上
获取子窗口geometry,判断是否包含光标所在的坐标,如果是,则表示光标正悬浮在该子控件上。
注意:
**geometry()是相对于父窗口的相对位置,而QCursor::pos()获取的是鼠标绝对位置。**需要进行一次转换,要不将父窗口的相对位置进行换算,要不将鼠标的绝对位置进行换算,这里采用将鼠标绝对位置换算到控件上,示例代码如下:
if(ui->pushButtonTest->geometry().contains( this->mapFromGlobal(QCursor::pos())))
{
//do something...
}
参考demo
传入的坐标原则为mapTo接口传入以自身左上角为原点的坐标,mapFrom类型接口传入以global/parent左上角为原点的坐标
上一篇: 网络前端实用应用程序接口
推荐阅读
-
如何将经纬度转换为 xy 坐标公式
-
获取 MODIS MCD19A2 气溶胶数据(AOD)并使用 GDAL 转换投影坐标
-
用 Python+matplotlib 自定义坐标轴位置、颜色和箭头
-
5.1.3 边界值法--二元基本边界值分析 边界值测试的另一个关键假设是,故障很少是由两个(或两个以上)缺陷同时出现造成的,这在可靠性理论中称为 "单一缺陷 "假设。基于 "单一缺陷 "假设的边界值测试称为基本边界值分析。 在边界值测试中,我们通常使用两值边界,然后辅助以正常值来设计输入变量的值。 对于只有 x 和 y 两个输入变量的软件,输入域在二维坐标系中呈阴影状。使用基本边界值分析法得到的测试用例就是黑点所在的位置,总共有九个测试用例。 如果有一个 n 变量的软件输入域,则选择其中一个变量略小于最小值、最小值、正常值、最大值和略大于最大值这五个值,其余全部取正常值。对这个 n 个变量的软件输入域进行边界值分析,可产生 4n+1 个测试用例。 三值基本边界值分析
-
MATLAB 绘制频率响应曲线(幅频特性和相频特性),并将横坐标转换为赫兹 hz 单位
-
Transvar 坐标转换 - 在线网络文章
-
Qt 图形图像开发中的曲线图模块 QChart 库的坐标轴与数据不对应,密集散点图无法显示的问题解决方案
-
您真正掌握坐标系转换了吗?自动驾驶离不开的多传感器问题
-
[姿势估计] 实践记录:使用 Dlib 和 mediapipe 进行人脸姿势估计 - 本文重点介绍方法 2):方法 1:基于深度学习的方法:。 基于深度学习的方法:基于深度学习的方法利用深度学习模型,如卷积神经网络(CNN)或递归神经网络(RNN),直接从人脸图像中学习姿势估计。这些方法能够学习更复杂的特征表征,并在大规模数据集上取得优异的性能。方法二:基于二维校准信息估计三维姿态信息(计算机视觉 PnP 问题)。 特征点定位:人脸姿态估计的第一步是通过特征点定位来检测和定位人脸的关键点,如眼睛、鼻子和嘴巴。这些关键点提供了人脸的局部结构信息,可用于后续的姿势估计。 旋转表示:常见的旋转表示方法包括欧拉角和旋转矩阵。欧拉角通过三个旋转角度(通常是俯仰、偏航和滚动)描述头部的旋转姿态。旋转矩阵是一个 3x3 矩阵,表示头部从一个坐标系到另一个坐标系的变换。 三维模型重建:根据特征点的定位结果,三维人脸模型可用于姿势估计。通过将人脸的二维图像映射到三维模型上,可以估算出人脸的旋转和平移信息。这就需要建立人脸的三维模型,然后通过优化方法将模型与特征点对齐,从而获得姿势估计结果。 特征点定位 特征点定位是用于检测人脸关键部位的五官基础部分,还有其他更多的特征点表示方法,大家可以参考我上一篇文章中介绍的特征点检测方案实践:人脸校正二次定位操作来解决人脸校正的问题,客户在检测关键点的代码上略有修改,坐标转换部分客户见上图 def get_face_info(image). img_copy = image.copy image.flags.writeable = False image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) results = face_detection.process(image) # 在图像上绘制人脸检测注释。 image.flags.writeable = True image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR) box_info, facial = None, None if results.detections: for detection in results. for detection in results.detections: mp_drawing.Drawing.detection = 无 mp_drawing.draw_detection(image, detection) 面部 = detection.location_data.relative_keypoints 返回面部 在上述代码中,返回的数据是五官(6 个关键点的坐标),这是用 mediapipe 库实现的,下面我们可以尝试用另一个库:dlib 来实现。 使用 dlib 使用 Dlib 库在 Python 中实现人脸关键点检测的步骤如下: 确保已安装 Dlib 库,可使用以下命令: pip install dlib 导入必要的库: 加载 Dlib 的人脸检测器和关键点检测器模型: 读取图像并将其灰度化: 使用人脸检测器检测图像中的人脸: 对检测到的人脸进行遍历,并使用关键点检测器检测人脸关键点: 显示绘制了关键点的图像: 以下代码将参数 landmarks_part 添加到要返回的关键点坐标中。
-
gdal 坐标转换(变换)摘要