基于OpenCV的图像翻转和镜像
点击上方↑↑↑“OpenCV学堂”关注我
来源：公众号 小白学视觉 授权
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。
02. 让我们开始吧import cv2import numpy as npfrom matplotlib import pyplot as plt
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 = [[[[]
如果我们要镜像此矩阵（逐行），则它将是-
[[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 Truereturn 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 = [[[[]
如果我们要翻转此矩阵（按列），则它将是-
[[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 Truereturn 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)基本图像操作包class ImageOpsFromScratch(object):def __init__(self, image_file):self.image_file = image_filedef 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_rgbdef 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 Nonereturn image_mirrordef 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 Nonereturn image_flipdef 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
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。