前言

这次梳理的篇幅主要是涉及图像仿射变换图像翻转，利用python编程实现不同方式的图像翻转，对巩固自己的python知识也是很有帮助的，进一步的对图像处理的内容也是帮助很大的。

但更多的是抛砖引玉，希望对你们有所帮助。

感谢各位鼓励与支持，往期文章都在最后梳理出来了(●'◡'●)

接下来就以问题的形式展开梳理

利用flip函数实现翻转flip函数原型

opencv中flip函数原型如下：

flip(src, flipCode[, dst]) -> dst

参数解析：

src 输入图片1 水平翻转 Horizontally （图片第二维度是column）0 垂直翻转 *Vertically * （图片第一维是row）-1 同时水平翻转与垂直反转 Horizontally & Vertically封装函数

为了使用方便， 你也可以封装一下旋转过程：

示例代码：

def flip(image, direction):    if direction == "h":        flipped = cv2.flip(image, 1)    elif direction == "v":        flipped = cv2.flip(image, 0)    else:        # both horizontally and vertically        flipped = cv2.flip(image, -1)

具体源码如下：

'''反转Demo'''import numpy as npimport cv2from matplotlib import pyplot as pltimg = cv2.imread('lena1.jpg')def bgr2rbg(img):    '''        将颜色空间从BGR转换为RBG    '''    return img[:,:,::-1]# 水平翻转flip_h = cv2.flip(img, 1)# 垂直翻转flip_v = cv2.flip(img, 0)# 同时水平翻转与垂直翻转flip_hv = cv2.flip(img, -1)plt.subplot(221)plt.title('SRC')plt.imshow(bgr2rbg(img))plt.subplot(222)plt.title('Horizontally')plt.imshow(bgr2rbg(flip_h))plt.subplot(223)plt.title('Vertically')plt.imshow(bgr2rbg(flip_v))plt.subplot(224)plt.title('Horizontally & Vertically')plt.imshow(bgr2rbg(flip_hv))plt.show()

原始图像：

原始图像

图像翻转图像：

翻转图像

利用numpy的索引实现翻转

利用numpy中ndarray的索引， 我们可以非常方便地实现图像翻转。

# 水平翻转flip_h =  img[:,::-1]# 垂直翻转flip_v =  img[::-1]# 水平垂直同时翻转flip_hv =  img[::-1, ::-1]

具体源码如下：

'''使用numpy的索引进行图像反转'''import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread('lena1.jpg')height,width,channel = img.shape# 水平翻转flip_h =  img[:,::-1]# 垂直翻转flip_v =  img[::-1]# 水平垂直同时翻转flip_hv =  img[::-1, ::-1]def bgr2rbg(img):    '''        将颜色空间从BGR转换为RBG    '''    return img[:,:,::-1]plt.subplot(221)plt.title('SRC')plt.imshow(bgr2rbg(img))plt.subplot(222)plt.title('Horizontally')plt.imshow(bgr2rbg(flip_h))plt.subplot(223)plt.title('Vertically')plt.imshow(bgr2rbg(flip_v))plt.subplot(224)plt.title('Horizontally & Vertically')plt.imshow(bgr2rbg(flip_hv))plt.show()

原始图像：

原始图像

翻转后的图像：

翻转后的图像

利用wrapAffine实现翻转数学原理推导

注： width 代表图像的宽度； height代表图像的高度

水平翻转的变换矩阵：

水平翻转的变换矩阵

垂直翻转的变换矩阵：

垂直翻转的变换矩阵

同时进行水平翻转与垂直翻转：

同时进行水平翻转与垂直翻转

具体源码及效果展示

具体源码如下：

'''使用仿射矩阵实现反转'''import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread('lena1.jpg')height,width,channel = img.shape# 水平翻转M1 = np.float32([[-1, 0, width], [0, 1, 0]])flip_h =  cv2.warpAffine(img, M1, (width, height))# 垂直翻转M2 = np.float32([[1, 0, 0], [0, -1, height]])flip_v =  cv2.warpAffine(img, M2, (width, height))# 水平垂直同时翻转M3 = np.float32([[-1, 0, width], [0, -1, height]])flip_hv =  cv2.warpAffine(img, M3, (width, height))def bgr2rbg(img):    '''        将颜色空间从BGR转换为RBG    '''    return img[:,:,::-1]plt.subplot(221)plt.title('SRC')plt.imshow(bgr2rbg(img))plt.subplot(222)plt.title('Horizontally')plt.imshow(bgr2rbg(flip_h))plt.subplot(223)plt.title('Vertically')plt.imshow(bgr2rbg(flip_v))plt.subplot(224)plt.title('Horizontally & Vertically')plt.imshow(bgr2rbg(flip_hv))plt.show()

原始图像：

原始图像

翻转后的图像：

翻转后的图像

「❤️ 感谢大家」

如果你觉得这篇内容对你挺有有帮助的话：

点赞支持下吧，让更多的人也能看到这篇内容（收藏不点赞，都是耍流氓 -_-）欢迎在留言区与我分享你的想法，也欢迎你在留言区记录你的思考过程。觉得不错的话，也可以阅读近期梳理的文章（感谢各位的鼓励与支持）：python开发之HighGUI上位机开发（一）(420+[赞])python开发之HighGUI上位机开发（二）(680+[赞])python开发（三）—项目实战：可变色画布和自制绘图板(580+[赞])教你用python操作Excel、Word、CSV，一文够了(160+[赞])教你用python轻松解析XML和PDF，一文够了，赶紧码住(210+[赞])电脑收藏的10个网站，知乎超100万人推荐，让你办公事半功倍(230+[赞])基于混沌Logistic加密算法的图片加密与还原(220+[赞])分享 | 36张不可思议的数学知识动图，让你对数学怦然心动(600+[赞])手把手教你进行pip换源(100+[赞])聊天小白震撼来临！快用python教她说话吧，你就不寂寞了(240+[赞])教你用python编写二十几行的代码绘制动态烟花(210+[赞])Python之Matplotlib数据可视化一：简易线形图(310+[赞])Python之Matplotlib可视化二：密度图与等高线图(330+[赞])python之图像仿射变换分析：原理+图像平移(310+[赞])超全Python图像处理讲解（多图预警）(340+[赞])python之仿射变换分析：图像旋转及数学原理推导(310+[赞])「❤️ 资源传送门」

1. 扫码关注【做一个柔情的程序猿】公众号

2. 在【做一个柔情的程序猿】后台回复 【python资料】【2020秋招】 获取相应资料