-
点击上方“小白学视觉”，选择加
"星标"或“置顶”
-
重磅干货，第一时间送达
本期，我们将解释如何在Python中实现图像的镜像或翻转。大家只需要了解各种矩阵运算和矩阵操作背后的基本数学即可。
01. 依赖包要求
NumPy —用于矩阵运算并对其进行处理。
OpenCV —用于读取图像并将其转换为2D数组（矩阵）。
Matplotlib —用于将矩阵绘制为图像。
对于这个小型项目，我使用了著名的Lena图像，该图像主要用于测试计算机视觉模型。确保下载此映像并将其保存在当前工作目录中。
-
import cv2
-
import numpy
as np
-
from matplotlib
import pyplot
as plt
02. 让我们开始吧
首先，我们使用imread()模块中的方法读取图像文件cv2。为此，我们只需要导入包并使用它即可。因此，通过这样做，我们获得了矩阵形式的图像。默认情况下，imread()该方法读取的图像BGR（Blue，Green，Red）格式。要读取的图像转换为常规格式，即，RGB（Red，Green，Blue），我们使用cvtColor()来自同一模块的方法cv2。
-
def
read_this(image_file, gray_scale=False):
-
image_src =
cv2.imread(image_file)
-
if
gray_scale:
-
image_rgb =
cv2.cvtColor(image_src, cv2.COLOR_BGR2GRAY)
-
else:
-
image_rgb =
cv2.cvtColor(image_src, cv2.COLOR_BGR2RGB)
-
return
image_rgb
上面的函数从传递的图像文件返回图像矩阵。如果我们要获取图像矩阵或格式，它由常规if和else条件组成。
镜像图像
要基本镜像图像，我们需要从左到右逐行反转矩阵。让我们考虑一个matrix A。
-
>>> A = [
-
[
4, 1, 1],
-
[
2, 8, 0],
-
[
3, 8, 1]
-
]
如果我们要镜像此矩阵（逐行），则它将是-
-
>>> import numpy as np
-
>>> mirror
_ = np.fliplr(A)
-
>>> mirror
_
-
[[
1,
1,
4],
-
[
0,
8,
2],
-
[
1,
8,
3]]
我们也可以在不使用NumPy模块的情况下执行此操作。如果是这样，我们可以使用循环并反转每一行。如果在图像矩阵上执行相同的操作将花费一些时间，因为它们是非常大的矩阵，并且我们不希望我们的代码执行得非常慢。
-
def mirror_this(image_file, gray_scale=False, with_plot=False):
-
image_rgb = read_this(image_file=image_file, gray_scale=gray_scale)
-
image_mirror = np.fliplr(image_rgb)
-
if with_plot:
-
fig = plt.figure(figsize=(
10,
20))
-
ax1 = fig.add_subplot(
2,
2,
1)
-
ax1.axis(
"off")
-
ax1.title.set_text(
'Original')
-
ax2 = fig.add_subplot(
2,
2,
2)
-
ax2.axis(
"off")
-
ax2.title.set_text(
"Mirrored")
-
if
not gray_scale:
-
ax1.imshow(image_rgb)
-
ax2.imshow(image_mirror)
-
else:
-
ax1.imshow(image_rgb, cmap=
'gray')
-
ax2.imshow(image_mirror, cmap=
'gray')
-
return
True
-
return image_mirror
上面的函数返回一个图像矩阵，该矩阵从左向右逐行反转或翻转。
让我们绘制相同的内容-
mirror_this(image_file="lena_original.png", with_plot=True)
mirror_this(image_file="lena_original.png", gray_scale=True, with_plot=True)
翻转图像
要基本翻转图像，我们需要将矩阵从上到下逐列反转。让我们考虑一个matrix B。
-
>>> B = [
-
[
4, 1, 1],
-
[
2, 8, 0],
-
[
3, 8, 1]
-
]
如果我们要翻转此矩阵（按列），则它将是-
-
>>> import numpy as np
-
>>> flip
_= np.flipud(B)
-
>>> flip
_
-
[[
3,
8,
1],
-
[
2,
8,
0],
-
[
4,
1,
1]]
我们NumPy用于翻转矩阵以保持代码的牢固性。
-
def flip_this(image_file, gray_scale=False, with_plot=False):
-
image_rgb = read_this(image_file=image_file, gray_scale=gray_scale)
-
image_flip = np.flipud(image_rgb)
-
if with_plot:
-
fig = plt.figure(figsize=(
10,
20))
-
ax1 = fig.add_subplot(
2,
2,
1)
-
ax1.axis(
"off")
-
ax1.title.set_text(
'Original')
-
ax2 = fig.add_subplot(
2,
2,
2)
-
ax2.axis(
"off")
-
ax2.title.set_text(
"Flipped")
-
if
not gray_scale:
-
ax1.imshow(image_rgb)
-
ax2.imshow(image_flip)
-
else:
-
ax1.imshow(image_rgb, cmap=
'gray')
-
ax2.imshow(image_flip, cmap=
'gray')
-
return
True
-
return image_flip
上面的函数返回一个图像矩阵，该矩阵从上向下向下按列反转或翻转。
让我们绘制相同的内容-
flip_this(image_file='lena_original.png', with_plot=True)
flip_this(image_file='lena_original.png', gray_scale=True, with_plot=True)
完整的代码
-
class ImageOpsFromScratch(object):
-
def __init__(self, image_file):
-
self.image_file = image_file
-
def read_this(self, gray_scale=False):
-
image_src = cv2.imread(
self.image_file)
-
if
gray_scale:
-
image_rgb = cv2.cvtColor(image_src, cv2.COLOR_BGR2GRAY)
-
else:
-
image_rgb = cv2.cvtColor(image_src, cv2.COLOR_BGR2RGB)
-
return image_rgb
-
def mirror_this(self, with_plot=True, gray_scale=False):
-
image_rgb =
self.read_this(gray_scale=gray_scale)
-
image_mirror = np.fliplr(image_rgb)
-
if
with_plot:
-
self.plot_it(orig_matrix=image_rgb, trans_matrix=image_mirror, head_text=
'Mirrored', gray_scale=gray_scale)
-
return None
-
return image_mirror
-
def flip_this(self, with_plot=True, gray_scale=False):
-
image_rgb =
self.read_this(gray_scale=gray_scale)
-
image_flip = np.flipud(image_rgb)
-
if
with_plot:
-
self.plot_it(orig_matrix=image_rgb, trans_matrix=image_flip, head_text=
'Flipped', gray_scale=gray_scale)
-
return None
-
return image_flip
-
def plot_it(self, orig_matrix, trans_matrix, head_text, gray_scale=False):
-
fig = plt.figure(figsize=(
10,
20))
-
ax1 = fig.add_subplot(
2,
2,
1)
-
ax1.axis(
"off")
-
ax1.title.set_text(
'Original')
-
ax2 = fig.add_subplot(
2,
2,
2)
-
ax2.axis(
"off")
-
ax2.title.set_text(head_text)
-
if
not
gray_scale:
-
ax1.imshow(orig_matrix)
-
ax2.imshow(trans_matrix)
-
else:
-
ax1.imshow(orig_matrix, cmap=
'gray')
-
ax2.imshow(trans_matrix, cmap=
'gray')
-
return True
基本图像操作包
-
imo = ImageOpsFromScratch(image_file=
'lena_original.png')
-
### Mirroring ###
-
imo.mirror_this()
-
imo.mirror_this(gray_scale=
True)
-
### Flipping ###
-
imo.flip_this()
-
imo.flip_this(gray_scale=
True)
将显示以上图像结果。现在，所有内容都已排序，我们可以创建其他图像操作，例如equalize()，solarize()等等。
下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2：Python视觉实战项目31讲
在「小白学视觉」公众号后台回复：Python视觉实战项目31讲，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。
下载4：leetcode算法开源书
在「小白学视觉」公众号后台回复：leetcode，即可下载。每题都 runtime beats 100% 的开源好书，你值得拥有！
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
转载：https://blog.csdn.net/qq_42722197/article/details/112057835