基于OpenCV的图像翻转和镜像-技术圈

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 cv2import numpy as npfrom 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~