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从第一个到最后一个的索引，以-1为步长。

• 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，它实际上是两个:运算符一个接一个。
X[::-1]与X[ : : -1] 。
请参阅索引文档。

基本的切片语法是 i:j:k，其中 i 是起始索引，j 是停止索引，k 是步长。

如果没有给我它默认为 0

如果没有给出 j 则默认为 n

编写[: : -1] ，省略i和j ，并将k设置为-1 。
语法的意思是：“从索引0 ，取所有元素，步骤为-1 ”，即以相反的顺序给出所有元素（沿该轴的所有元素）。

---

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。