基於OpenCV的圖像翻轉和鏡像

基於OpenCV的圖像翻轉和鏡像

努比 OpenCV學堂 昨天

 

 

點擊上方↑↑↑“OpenCV學堂”關注我

來源：公眾號 小白學視覺 授權

本期，我們將解釋如何在Python中實現圖像的鏡像或翻轉。大家只需要了解各種矩陣運算和矩陣操作背后的基本數學即可。

 

01. 依賴包要求

NumPy —用於矩陣運算並對其進行處理。

OpenCV —用於讀取圖像並將其轉換為2D數組（矩陣）。

Matplotlib —用於將矩陣繪制為圖像。

對於這個小型項目，我使用了著名的Lena圖像，該圖像主要用於測試計算機視覺模型。確保下載此映像並將其保存在當前工作目錄中。

import cv2import numpy as npfrom matplotlib import pyplot as plt

 

02. 讓我們開始吧

首先，我們使用imread()模塊中的方法讀取圖像文件cv2。為此，我們只需要導入包並使用它即可。因此，通過這樣做，我們獲得了矩陣形式的圖像。默認情況下，imread()該方法讀取的圖像BGR（Blue，Green，Red）格式。要讀取的圖像轉換為常規格式，即，RGB（Red，Green，Blue），我們使用cvtColor()來自同一模塊的方法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

上面的函數從傳遞的圖像文件返回圖像矩陣。如果我們要獲取圖像矩陣或格式，它由常規if和else條件組成。

 

鏡像圖像

要基本鏡像圖像，我們需要從左到右逐行反轉矩陣。讓我們考慮一個matrix A。

>>> A = [ [4, 1, 1], [2, 8, 0], [3, 8, 1]]

 

如果我們要鏡像此矩陣（逐行），則它將是-

>>> import numpy as np>>> mirror_ = np.fliplr(A)>>> mirror_[[1, 1, 4], [0, 8, 2], [1, 8, 3]]

 

我們也可以在不使用NumPy模塊的情況下執行此操作。如果是這樣，我們可以使用循環並反轉每一行。如果在圖像矩陣上執行相同的操作將花費一些時間，因為它們是非常大的矩陣，並且我們不希望我們的代碼執行得非常慢。

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

 

上面的函數返回一個圖像矩陣，該矩陣從左向右逐行反轉或翻轉。

讓我們繪制相同的內容-

mirror_this(image_file="lena_original.png", with_plot=True)

 

mirror_this(image_file="lena_original.png", gray_scale=True, with_plot=True)

 

翻轉圖像

要基本翻轉圖像，我們需要將矩陣從上到下逐列反轉。讓我們考慮一個matrix B。

>>> B = [ [4, 1, 1], [2, 8, 0], [3, 8, 1]]

 

如果我們要翻轉此矩陣（按列），則它將是-

>>> import numpy as np>>> flip_= np.flipud(B)>>> flip_[[3, 8, 1], [2, 8, 0], [4, 1, 1]]

 

我們NumPy用於翻轉矩陣以保持代碼的牢固性。

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

 

上面的函數返回一個圖像矩陣，該矩陣從上向下向下按列反轉或翻轉。

讓我們繪制相同的內容-

flip_this(image_file='lena_original.png', with_plot=True)

 

flip_this(image_file='lena_original.png', gray_scale=True, with_plot=True)

 

 

完整的代碼

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

 

基本圖像操作包

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)

將顯示以上圖像結果。現在，所有內容都已排序，我們可以創建其他圖像操作，例如equalize()，solarize()等等。

 

閱讀 688

 

贊在看

 

寫下你的留言