关键点翻转 数据增强踩坑

目录

关键点翻转逻辑和示例：

下面是翻转增强的例子，不是真实情况

---

关键点翻转逻辑和示例：

1. 图像左右翻转

2. X 坐标翻转：x' = image_width - 1 - x

3. 对称结构（如左眼、右眼），要做索引重排。

镜像映射表 (mirror_mapping)：

这个数组定义了翻转后关键点的新顺序。

对于常见的 68 点或 5 点人脸标注，有固定的映射表，可以根据你使用的模型进行设置。

下面是翻转增强的例子，不是真实情况

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 示例人脸关键点（以 68 点为例，假设已对齐到图片上）
# 注意：这些点是假设的测试用数据
landmarks = np.array([
    [30, 50], [35, 48], [40, 47], [45, 48], [50, 50],  # 鼻子线中点示意
    [20, 40], [25, 38], [55, 38], [60, 40],            # 左右眼角示意
    [28, 60], [32, 62], [48, 62], [52, 60],            # 嘴角示意
])

# 显示原始图像和关键点
def show_image_with_landmarks(img, landmarks, title="Image"):
    plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    plt.scatter(landmarks[:, 0], landmarks[:, 1], c='r')
    plt.title(title)
    plt.axis('off')
    plt.show()

# 创建一个示例图像（白底+假人脸框）
img = np.full((100, 80, 3), 255, dtype=np.uint8)
cv2.rectangle(img, (10, 30), (70, 80), (200, 200, 200), 2)

# 1. 水平翻转图像
flipped_img = cv2.flip(img, 1)
h, w = img.shape[:2]

# 2. 翻转关键点 x 坐标（w - 1 - x）
flipped_landmarks = landmarks.copy()
flipped_landmarks[:, 0] = w - 1 - landmarks[:, 0]

# 3. 调整左右对称点的顺序（关键）
# 例如对于68点模型，要将左眼和右眼、左嘴角和右嘴角等对调
# 示例中我们假设第5和第0对调，6和3对调，7和2对调，等等（按你模型具体定义调整）
mirror_mapping = [4, 3, 2, 1, 0, 8, 7, 6, 5, 13, 12, 11, 10, 9]  # index映射（这里只处理了14个点）
flipped_landmarks = flipped_landmarks[mirror_mapping]

# 显示原图和翻转图
show_image_with_landmarks(img, landmarks, "Original")
show_image_with_landmarks(flipped_img, flipped_landmarks, "Flipped")