【OpenCV】Python图像处理几何变换之翻转

图像翻转（Image Flipping）是常用的几何变换，指将图像沿水平、垂直或对角线方向镜像反转，核心是通过调整像素坐标的映射关系实现，不改变图像尺寸和像素值本身，仅重构像素排列顺序。OpenCV 提供 cv2.flip() 函数一键实现翻转，支持多种翻转方向，广泛用于图像数据增强（如深度学习样本扩充）、镜像显示、图像校正等场景。

一、核心原理

1. 翻转的本质

图像可视为像素组成的二维矩阵（坐标体系：左上角为原点 (0,0)，向右为 x 轴正方向，向下为 y 轴正方向）。翻转的核心是像素坐标的对称映射：

• 水平翻转：左右对称，像素 (x,y) 映射到 (w-1-x, y)（w 为图像宽度）；
• 垂直翻转：上下对称，像素 (x,y) 映射到 (x, h-1-y)（h 为图像高度）；
• 水平垂直翻转（对角线翻转）：先水平再垂直（或反之），像素 (x,y) 映射到 (w-1-x, h-1-y)。

2. OpenCV 翻转方向参数

cv2.flip() 通过 flipCode 参数指定翻转方向，参数含义如下：

flipCode 参数	翻转方向	适用场景
1	水平翻转（左右镜像）	数据增强、镜像显示
0	垂直翻转（上下镜像）	图像校正、倒序显示
-1	水平 + 垂直翻转（对角镜像）	特殊视角调整、数据扩充

注意 ：flipCode 仅支持上述三个值，若输入其他整数会报错。

二、cv2.flip() 函数详解

函数原型

cv2.flip(src, flipCode, dst=None)

参数说明

参数	含义	注意事项
src	输入图像（单通道 / 多通道、灰度图 / 彩色图均可）	必须是 numpy.ndarray 类型（OpenCV 图像格式）
flipCode	翻转方向标识（1/0/-1）	严格对应水平 / 垂直 / 水平 + 垂直翻转
dst	输出图像（可选）	若不指定，函数会自动创建与 src 同尺寸、同类型的图像

返回值

翻转后的目标图像（numpy.ndarray 类型），与输入图像尺寸、通道数完全一致。

三、完整实现代码（多种场景）

1. 基础场景：灰度图 / 彩色图翻转

支持灰度图和彩色图直接翻转（无需额外通道处理），以下以彩色图为例（灰度图仅需修改读取方式）：

import cv2
import matplotlib.pyplot as plt

# 1. 读取图像（彩色图：cv2默认BGR格式；灰度图需加 cv2.IMREAD_GRAYSCALE）
img = cv2.imread("lena.jpg")
if img is None:
    print("无法读取图像，请检查路径！")
    exit()

# 转换为RGB格式（用于matplotlib显示，避免颜色错乱）
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 2. 三种方向翻转
flip_horizontal = cv2.flip(img, flipCode=1)  # 水平翻转（左右）
flip_vertical = cv2.flip(img, flipCode=0)    # 垂直翻转（上下）
flip_both = cv2.flip(img, flipCode=-1)       # 水平+垂直翻转（对角）

# 转换翻转后的图像为RGB格式
flip_horizontal_rgb = cv2.cvtColor(flip_horizontal, cv2.COLOR_BGR2RGB)
flip_vertical_rgb = cv2.cvtColor(flip_vertical, cv2.COLOR_BGR2RGB)
flip_both_rgb = cv2.cvtColor(flip_both, cv2.COLOR_BGR2RGB)

# 3. 显示结果
plt.figure(figsize=(15, 10))
# 原图
plt.subplot(2, 2, 1)
plt.imshow(img_rgb)
plt.title("Original Image")
plt.axis("off")
# 水平翻转
plt.subplot(2, 2, 2)
plt.imshow(flip_horizontal_rgb)
plt.title("Horizontal Flip (flipCode=1)")
plt.axis("off")
# 垂直翻转
plt.subplot(2, 2, 3)
plt.imshow(flip_vertical_rgb)
plt.title("Vertical Flip (flipCode=0)")
plt.axis("off")
# 水平+垂直翻转
plt.subplot(2, 2, 4)
plt.imshow(flip_both_rgb)
plt.title("Horizontal + Vertical Flip (flipCode=-1)")
plt.axis("off")

plt.tight_layout()
plt.show()

2. 进阶场景：视频帧实时翻转

图像翻转速度极快（无插值计算，仅坐标映射），适合实时视频处理（如直播镜像、监控画面翻转）：

import cv2

def video_real_time_flip(video_path=0):
    """
    实时翻转视频帧（支持摄像头或视频文件）
    :param video_path: 视频路径（0表示默认摄像头，也可传入视频文件路径如"test.mp4"）
    """
    # 打开视频流
    cap = cv2.VideoCapture(video_path)
    if not cap.isOpened():
        print("无法打开视频流，请检查设备或文件路径！")
        return

    # 循环读取帧并翻转
    while True:
        ret, frame = cap.read()
        if not ret:  # 读取完毕（视频结束或摄像头断开）
            break

        # 三种翻转方式（可按需选择一种或多种显示）
        frame_h = cv2.flip(frame, 1)  # 水平翻转（常用镜像模式）
        frame_v = cv2.flip(frame, 0)  # 垂直翻转
        frame_b = cv2.flip(frame, -1) # 双翻转

        # 拼接显示（原图 + 水平翻转图）
        combined = cv2.hconcat([frame, frame_h])
        cv2.putText(combined, "Original", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0,255,0), 2)
        cv2.putText(combined, "Horizontal Flip", (frame.shape[1]+10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0,255,0), 2)

        # 显示窗口
        cv2.imshow("Real-Time Flip", combined)

        # 按下 'q' 退出
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    # 释放资源
    cap.release()
    cv2.destroyAllWindows()

# 运行实时翻转（默认打开摄像头）
video_real_time_flip()

3. 实用场景：数据增强（批量翻转图像）

深度学习中，翻转图像是常用的数据增强手段（扩充样本多样性），以下实现批量读取图像并生成翻转样本：

import cv2
import os
import glob

def batch_flip_images(input_dir, output_dir):
    """
    批量翻转文件夹中的图像，生成增强样本
    :param input_dir: 输入图像文件夹路径
    :param output_dir: 输出增强样本文件夹路径
    """
    # 创建输出文件夹（若不存在）
    os.makedirs(output_dir, exist_ok=True)

    # 读取文件夹中所有图像（支持jpg/png格式）
    image_paths = glob.glob(os.path.join(input_dir, "*.jpg")) + glob.glob(os.path.join(input_dir, "*.png"))
    if not image_paths:
        print("输入文件夹中未找到jpg/png图像！")
        return

    # 批量处理
    for idx, img_path in enumerate(image_paths):
        # 读取图像
        img = cv2.imread(img_path)
        if img is None:
            print(f"跳过无法读取的图像：{img_path}")
            continue

        # 三种翻转
        flip_h = cv2.flip(img, 1)
        flip_v = cv2.flip(img, 0)
        flip_b = cv2.flip(img, -1)

        # 获取图像文件名（不含路径）
        filename = os.path.basename(img_path)
        name, ext = os.path.splitext(filename)

        # 保存翻转后的图像
        cv2.imwrite(os.path.join(output_dir, f"{name}_h{ext}"), flip_h)  水平翻转
        cv2.imwrite(os.path.join(output_dir, f"{name}_v{ext}"), flip_v)  垂直翻转
        cv2.imwrite(os.path.join(output_dir, f"{name}_b{ext}"), flip_b)  双翻转

        print(f"处理完成：{filename} → 生成3个增强样本")

    print(f"\n批量处理结束！共处理 {len(image_paths)} 张图像，生成 {len(image_paths)*3} 个增强样本，保存至：{output_dir}")

# 运行批量增强（需提前准备input_dir文件夹并放入图像）
input_dir = "original_images"  # 输入图像文件夹
output_dir = "augmented_images" # 输出增强样本文件夹
batch_flip_images(input_dir, output_dir)

四、关键说明与应用场景

1. 翻转的核心特点

• 无质量损失：仅改变像素排列，不修改像素值，翻转后图像与原图清晰度完全一致；
• 速度极快 ：无需插值计算（区别于缩放、旋转），时间复杂度为 O(h×w)（仅遍历一次像素），适合实时场景；
• 可逆性 ：对同一图像连续两次相同方向翻转，可还原原图（如 cv2.flip(cv2.flip(img,1),1) == img）。

2. 典型应用场景

• 数据增强：深度学习中翻转图像（尤其是水平翻转），可扩充样本集，提升模型泛化能力（如人脸识别、物体检测）；
• 镜像显示：直播、视频通话时的 "镜像模式"（水平翻转），符合人眼观察习惯；
• 图像校正：拍摄时倒置的图像（如手机竖拍后横屏显示），通过垂直翻转快速校正；
• 特殊效果：游戏、影视中的镜像场景（如水中倒影可用垂直翻转实现）。

五、注意事项

1. 颜色通道一致性：彩色图翻转后仍为 BGR 格式（cv2 默认），若用 matplotlib 显示，需先转换为 RGB 格式，否则颜色会错乱；
2. 图像路径 ：避免路径包含中文或空格，否则 cv2.imread 可能返回 None（可改用 os.path 处理路径或修改文件名）；
3. 视频流释放 ：实时视频处理后，必须调用 cap.release() 和 cv2.destroyAllWindows() 释放资源，否则会导致内存泄漏；
4. 批量处理效率：即使处理万级像素图像，翻转速度仍极快，批量处理时瓶颈通常在图像读写（而非翻转本身），可通过多线程优化读写速度。

通过 cv2.flip() 函数，可轻松实现多种方向的图像翻转，结合批量处理或实时视频流，能满足数据增强、镜像显示等各类实际需求，是 OpenCV 中最易用且高效的几何变换之一。