CV图像翻转效果预览

最新推荐文章于 2025-04-21 20:51:18 发布

星河逐码者

最新推荐文章于 2025-04-21 20:51:18 发布

阅读量1.1k

点赞数 28

分类专栏： opencv-python 文章标签： opencv 计算机视觉

本文链接：https://blog.csdn.net/weixin_54819010/article/details/146457884

版权

opencv-python 专栏收录该内容

10 篇文章

订阅专栏

函数 flip函数

语法

dst=cv2.flip(src,flipcode),flipcode 有3种状态

大于0 是以Y轴为对称轴进行翻转
小于0 是以X轴Y轴方向同时翻转
等于0 是以X轴为对称轴进行翻转

源码

import cv2

img_a = cv2.imread(r"F:\tp\lena_r.png")

# 原图
cv2.imshow("img_a", img_a)
# 水平翻转
img_b = cv2.flip(img_a, 1)
cv2.imshow("img_b", img_b)

# 组合翻转
img_c = cv2.flip(img_a, -1)
cv2.imshow("img_c", img_c)

# 垂直翻转
img_d = cv2.flip(img_a, 0)
cv2.imshow("img_d", img_d)

cv2.waitKey()
cv2.destroyAllWindows()

图像输出翻转效果图

一、代码解读

1. 原图显示

img_a = cv2.imread(r"F:\tp\lena_r.png")  # 读取BGR图像
cv2.imshow("img_a", img_a)              # 显示原始图像

读取图像文件 lena_r.png，默认以BGR格式加载。
使用 cv2.imshow() 显示原始图像，窗口名称为 img_a。

2. 水平翻转（镜像翻转）

img_b = cv2.flip(img_a, 1)  # 参数1表示水平翻转（沿y轴）
cv2.imshow("img_b", img_b)  # 显示水平翻转结果

cv2.flip(img, 1)：水平翻转图像，翻转轴为垂直中轴线（类似镜面反射）。
效果：图像左右对称交换。

3. 组合翻转（水平+垂直翻转）

img_c = cv2.flip(img_a, -1)  # 参数-1表示同时水平和垂直翻转
cv2.imshow("img_c", img_c)   # 显示组合翻转结果

cv2.flip(img, -1)：先水平翻转，再垂直翻转（等价于绕图像中心旋转180度）。
效果：图像左右和上下均对称交换。

4. 垂直翻转

img_d = cv2.flip(img_a, 0)  # 参数0表示垂直翻转（沿x轴）
cv2.imshow("img_d", img_d)  # 显示垂直翻转结果

cv2.flip(img, 0)：垂直翻转图像，翻转轴为水平中轴线。
效果：图像上下对称交换。

二、重点图像翻转知识点精讲

1. `cv2.flip()` 函数详解

功能：对图像进行几何翻转。
语法：
```
dst = cv2.flip(src, flipCode)
```
- src：输入图像（BGR、灰度图等）。
- flipCode：翻转模式标志：
  - 1：水平翻转（沿y轴）。
  - 0：垂直翻转（沿x轴）。
  - -1：同时水平和垂直翻转。
返回值：翻转后的图像 dst。

2. 翻转的数学原理

水平翻转：像素点坐标变换为 (x, y) → (width-1-x, y)。
垂直翻转：像素点坐标变换为 (x, y) → (x, height-1-y)。
组合翻转：像素点坐标变换为 (x, y) → (width-1-x, height-1-y)。

3. 应用场景

数据增强：
- 在深度学习训练中，通过翻转扩充数据集，提升模型泛化能力。
- 示例：人脸检测时，水平翻转图像增加不同视角样本。
图像校正：
- 修正因摄像头安装方向导致的图像颠倒问题。
- 示例：监控摄像头画面垂直翻转以符合人眼习惯。
对称性分析：
- 检测图像中的对称结构（如建筑、生物形态）。
- 示例：医学图像中分析器官对称性。

4. 与其他操作的结合

翻转 + 旋转：

img_flipped = cv2.flip(img, 1)  # 水平翻转
img_rotated = cv2.rotate(img_flipped, cv2.ROTATE_90_CLOCKWISE)  # 顺时针旋转90度

翻转 + 缩放：

img_resized = cv2.resize(img, (new_w, new_h))
img_flipped = cv2.flip(img_resized, 0)  # 垂直翻转

三、总结及注意事项

核心知识点总结

翻转模式：
- 1：水平翻转（左右镜像）。
- 0：垂直翻转（上下颠倒）。
- -1：组合翻转（等效旋转180度）。
坐标变换：
- 翻转操作本质是对像素坐标的映射，不涉及插值计算。
内存与性能：
- 翻转是原地操作（无复杂计算），性能高效。

注意事项

参数混淆问题：
- 避免错误使用参数（如将垂直翻转误写为 flipCode=1）。
- 错误示例：
```
img = cv2.flip(img, 1)  # 预期垂直翻转，实际得到水平翻转
```
多通道支持：
- cv2.flip() 支持所有通道类型的图像（如BGR、灰度、RGBA）。
- 对于含Alpha通道的图像（如PNG），Alpha通道会一同翻转。
图像边界处理：
- 翻转操作不会引入黑边或裁剪，保持原始图像完整内容。
与旋转的区别：
- 翻转是镜像对称操作，旋转是绕中心点的角度变换。
- 示例：
  - cv2.flip(img, 1) ≠ cv2.rotate(img, cv2.ROTATE_180)。
实际应用建议：
- 数据增强：在训练时随机应用翻转，避免过拟合。
- 视频处理：实时翻转视频流需注意性能（如摄像头镜像模式）。

完整示例修正

import cv2

img = cv2.imread("image.jpg")

# 水平翻转（镜像）
img_horizontal = cv2.flip(img, 1)
# 垂直翻转（上下颠倒）
img_vertical = cv2.flip(img, 0)
# 组合翻转（等效旋转180度）
img_both = cv2.flip(img, -1)

# 显示结果（添加窗口名称明确说明）
cv2.imshow("Original", img)
cv2.imshow("Horizontal Flip", img_horizontal)
cv2.imshow("Vertical Flip", img_vertical)
cv2.imshow("Both Flip", img_both)
cv2.waitKey(0)
cv2.destroyAllWindows()

通过以上分析，可以更精准地掌握图像翻转的操作逻辑与应用场景，避免常见误区。