Sollte man das Schlagzeug eigentlich eher als Ein ( als gesamtes) Instrument sehen.
Ein Stereopaar als Hauptmikrofonsystem bildet ja genau diesen Ansatz ab. Dabei ist aber die etablierte Hörerwartung, dass Bassdrum und Snare in die Mitte gepant werden. Gerade bei der Bassdrum ist das auch sinnvoll, weil die Wiedergabe viel Leistung benötigt, die am besten symmetrisch auf die Lautsprecher verteilt werden sollte.
Jetzt bloß auf den Auftreffpunkt/Schlagpunkt zu reduzieren ist ja fast schon Frevel und würde ja allein schon optisch einer schönen Grossen Trommel gar nicht gerecht werden.
Die Richtungsortung des Gehörs findet aber primär über den Attackanteil der Trommeln statt, weil die darin enthaltenen Frequenzen ausgewertet werden. Unterhalb von 250 Hz hat der Mensch kein Richtungshören, was daran liegt, dass primär die Laufzeitdifferenz durch das Gehör ausgewertet wird, die Intensität spielt eine geringere Rolle.
Die Snare z.B. versteckt sich nicht selten, zwar nicht immer genau mittig, aber meist (nicht immer) hinter BD. Wäre also eher was Richtung "Tiefe"
Optisch gesehen konzentriert sich doch, vieles, bei einem "normal" großen Set, doch vieles um oder Nahe einen eher "Punkt" oder besser Stelle.
Also, eher dahin evtl. als Ein Ganzes (Instrument) zu sehen. Je weiter ich als Zuhörer und Zuseher weg stehen, desto mehr "schrumpft`s".
Die Tiefenstaffelung im Mix wird im Wesentlichen über die Anfangszeitlücke des Reflexionsanteils der jeweiligen Spur bestimmt. Je größer diese ist, desto näher wird ein Instrument wahrgenommen.
Die Stereobreite des Schlagzeugs als Ganzes wird über die Positionierung der Mikrofone eingestellt. Bei Intensitätsstereofonie passiert dies über den Anstellwinkel der Mikros zueinander (XY) bzw. über den GAIN des Mitte- oder Seitenkanals (MS). Bei Laufzeitstereofonie ( AB ) oder Äquivalenzstereofonie (ORTF, NOS, Glyn Johns, Recorderman) kommt bei der Richtungsortung noch der Zeitversatz einer Signalquelle je nach Abstandsunterschied zu den beiden Mikros hinzu.
Wie breit man das Set im Mix macht, ist eine Geschmackssache, der Einsatz der verschiedenen Positionierungen hängt vom Zweck ab, z.B. ob die Aufnahme monokompatibel sein muss.
Ich könnte noch sehr viel dazu schreiben, aber das würde ein Buch füllen (oh, hat es ja schon).