深度学习中的图像旋转、平移和翻转方法

对于图像的旋转、平移和翻转是图像处理的常见方法，也是深度学习里图像增强的常见方式，可以在真实图像不足的场景下增加训练数据量。

import cv2

import numpy as np

img=cv2.imread（＇lena.jpg'）

height, width，_=img.shape

matrix=cv2.getRotationMatrix2D（（height/2，width/2），90，1）

img_new=cv2.warpAffine（img, matrix，（height, width））

Cv2. imshow（"test"，img_new）

上例中getRotationMatrix2D得到变换的矩阵，将这个矩阵作为仿射变换矩阵利用warpAffine来进行变换，第一个参数就是旋转中心，采用元组的形式，这里设置成图像中心，第二个参数90，代表旋转的角度为90度，第三个参数1，表示放缩的系数，1表示保持与原图大小相同（图3-6）。

图3-6　旋转变换后的图像

图像的平移同样可以利用warpAffine函数予以实现，但仿射变换矩阵的构造内容有所不同，可以通过NumPy定义了一个平移矩阵M，它将决定平移多少像素，格式如下：

matShift=np.float32（[[1，0，25]，[0，1，50]]）

在平移矩阵第一行中设置的形式为[1，0，x]，其中x表示图像将向左或向右移动的距离，如果x是正值，则表示向右移动，如果x是负值，则表示向左移动。在矩阵第二行设置的形式为[0，1，y]，其中y表示图像将向上或向下移动的距离，如果y是正值，则表示向下移动，如果是负值的话，则表示向上移动（图3-7）。

实现平移的代码及效果如下：(www.xing528.com)

import cv2

import numpy as np

img=cv2.imread（＇lena.jpg'）

height, width，_=img.shape

matShift=np.float32（[[1，0，25]，[0，1，50]]）

img_new=cv2.warpAffine（img, matShift，（height, width））

cv2. imshow（"shift"，img_new）

cv2. waitKey（0）

图3-7　平移效果图像

翻转分为水平翻转和垂直翻转，采用的函数为cv2.flip（），示例如下：

cv2. flip（img, flipCode）

其中img代表原图像，flipMode代表翻转模式，有三种模式：0代表垂直方向翻转；1代表水平方向翻转；当设置为-1时表示水平、垂直方向同时翻转。