使用numpy处理图片——镜像翻转和旋转-编程知识

使用numpy处理图片——镜像翻转和旋转

在《使用numpy处理图片——基础操作》一文中，我们介绍了如何使用numpy修改图片的透明度。本文我们将介绍镜像翻转和旋转。

镜像翻转

上下翻转

在这里插入图片描述

from PIL import Image
import numpy as np
img = Image.open('example.png')
data = np.array(img)# axis=0 is vertical, axis=1 is horizontal
verticalData = np.flip(data, axis=0)
verticalImg = Image.fromarray(verticalData)
verticalImg.save('vertical.png')

请添加图片描述

左右翻转

在这里插入图片描述

from PIL import Image
import numpy as np
img = Image.open('example.png')
data = np.array(img)# axis=0 is vertical, axis=1 is horizontal
horizontalData = np.flip(data, axis=1)
horizontalImg = Image.fromarray(horizontalData)
horizontalImg.save('horizontal.png')

请添加图片描述

旋转

上面的翻转，又可以称之为镜像翻转。因为得到的图片，只有通过镜子去查看，才是正常的字。

在这里插入图片描述
而一般情况下，我们需要的是旋转，即得到的文字还是可以正确识别的。

向左旋转90度

向左旋转90需要通过两个步骤完成：

转置
上下镜像翻转

def flip_left_90(arr):return np.flip(arr.transpose((1,0,2)), axis=0)

需要解释下transpose传递元组的意思

If specified, it must be a tuple or list which contains a permutation of [0,1,…,N-1] where N is the number of axes of a. The i’th axis of the returned array will correspond to the axis numbered axes[i] of the input. If not specified, defaults to range(a.ndim)[::-1], which reverses the order of the axes.

这句话的意思是，传递的元组要包含该数组所有的维度的值。转换的方法就是对应项相互转置。比如数组最开始时的维度表示是（0，1，2），如果给transpose传递了（1，0，2）。就意味着0维度和1维度转置，2维度保持不变。这个对我们处理图片特别重要，因为2维度保存的是RGBA信息。这个信息不能转置，否则就会导致颜色错乱。
请添加图片描述

旋转180度

旋转180度有两种方法：

两次90度左转。
上下镜像翻转后左右镜像翻转。（顺序无所谓）

在这里插入图片描述

def flip_180_with_flip_left_90(arr):return flip_left_90(flip_left_90(arr))

在这里插入图片描述

def flip_180_with_axis(arr):return np.flip(np.flip(arr, axis=1), axis=0)

请添加图片描述

向右旋转90度

向右旋转90度，也是向左旋转270度。可以拆解为：

3次向左旋转
1次180度旋转外加1次90度向左旋转
1次90度向左旋转外加1次180度旋转

def flip_right_90_with_left_90(arr):return flip_left_90(flip_left_90(flip_left_90(arr)))def flip_right_90_with_axis_left_90(arr):return flip_left_90(flip_180_with_axis(arr))def flip_right_90_with_left_90_axis(arr):return flip_180_with_axis(flip_left_90(arr))

请添加图片描述

代码

from PIL import Image
import numpy as np
img = Image.open('example.png')
data = np.array(img)# axis=0 is vertical, axis=1 is horizontal
verticalData = np.flip(data, axis=0)
verticalImg = Image.fromarray(verticalData)
verticalImg.save('vertical.png')horizontalData = np.flip(data, axis=1)
horizontalImg = Image.fromarray(horizontalData)
horizontalImg.save('horizontal.png')def flip_180_with_flip_left_90(arr):return flip_left_90(flip_left_90(arr))def flip_180_with_axis(arr):return np.flip(np.flip(arr, axis=1), axis=0)def flip_left_90(arr):return np.flip(arr.transpose((1,0,2)), axis=0)def flip_right_90_with_left_90(arr):return flip_left_90(flip_left_90(flip_left_90(arr)))def flip_right_90_with_axis_left_90(arr):return flip_left_90(flip_180_with_axis(arr))def flip_right_90_with_left_90_axis(arr):return flip_180_with_axis(flip_left_90(arr))left90Data = flip_left_90(data)
left90Img = Image.fromarray(left90Data)
left90Img.save('flipleft90.png')right90DataFromLeft90 = flip_right_90_with_left_90(data)
right90ImgFromLeft90 = Image.fromarray(right90DataFromLeft90)
right90ImgFromLeft90.save('flipright90fromleft90.png')right90DataFromAxisLeft90 = flip_right_90_with_axis_left_90(data)
right90ImgFromAxisLeft90 = Image.fromarray(right90DataFromAxisLeft90)
right90ImgFromAxisLeft90.save('flipright90fromamxisleft90.png')right90DataFromLeft90Axis = flip_right_90_with_left_90_axis(data)
right90ImgFromLeft90Axis = Image.fromarray(right90DataFromLeft90Axis)
right90ImgFromLeft90Axis.save('flipright90fromleft90amxis.png')left180DataFromLeft90 = flip_180_with_flip_left_90(data)
left180ImgFromLeft90 = Image.fromarray(left180DataFromLeft90)
left180ImgFromLeft90.save('flip180fromleft90.png')left180DataFromAxis = flip_180_with_axis(data)
left180ImgFromAxis = Image.fromarray(left180DataFromAxis)
left180ImgFromAxis.save('flip180fromaxis.png')