python - 使用 numpy 增强图像 Python cv2 的数组操作

Question

鉴于 X 是一个 Numpy 数组 X.shape =(1, 96, 96, 3)，基本上是从 CV2 读取的图像。我正在寻找更简单的增强操作的表达方式。

你能解释一下下面几行代码的作用吗

b=X[:, ::-1, :, :]
c=X[:, ::-1, ::-1, :]
d=X[:, :, ::-1, :]

Answer 1

X[::-1]索引适用: X 的索引以-1的步骤从头到尾.

b=X[:, ::-1, :, :] - 向上/向下反转图像。

c=X[:, ::-1, ::-1, :] - 向上/向下和向左/向右反转图像。

d=X[:, :, ::-1, :] - 左右反转图像。

评论: ::不是运算符，实际上是两个 :一个接一个的运营商。 X[::-1]与 X[ : : -1] 相同.
引用 Indexing文档。

The basic slice syntax is i:j:k where i is the starting index, j is the stopping index, and k is the step.

If i is not given it defaults to 0

If j is not given it defaults to n

写作 [: : -1] , 省略 i和 j , 并设置 k至 -1 .
语法的意思是:“从索引 0，取所有元素，步骤 -1”，给出 中的所有元素反向 顺序(沿此轴的所有元素)。

例子:

import cv2
import numpy as np

# Build input:
im = cv2.imread('chelsea.png')
im = cv2.resize(im, (96, 96))
X = np.empty((1, im.shape[0], im.shape[1], im.shape[2])).astype(np.uint8)
X[0, :, :, :] = im

b = X[:, ::-1, :, :]
c = X[:, ::-1, ::-1, :]
d = X[:, :, ::-1, :]

结果:
我是:

乙:

C:

d:


笔记:
我有点忽略了拳头索引，因为维度是 1 .
在多帧的情况下，第一个索引通常会应用帧数。