数据增强——图像翻转,BoundingBox翻转

本文探讨了在使用OpenCV进行图像翻转时,如何正确处理图像中的边界框(BoundingBox)。通过实例说明,边界框的翻转规则是:新的xmin等于图像宽度减去原来的xmax,新的xmax等于宽度减去原来的xmin,而ymin和ymax保持不变。提供的代码展示了如何在Python中实现这一转换。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

图像翻转很容易,边界框如何翻转呢?

找到一张没有标注的原图,用opecv在原图上把bbox画出来,利用QQ截图的功能,将坐标标出来

请添加图片描述
代码如下:

import cv2 as cv

img_path = "./test_image/2007_000027.jpg"
img = cv.imread(img_path)
# 画框
cv.rectangle(img, (174, 101), (349, 351), color=(0, 255, 0),thickness=2)
cv.imshow("img", img)
cv.waitKey(0)
cv.destroyAllWindows()
再把图片进行翻转得到下图

请添加图片描述
代码如下:

import cv2 as cv

img_path = "./test_image/test.png" # qq截图标注后的图片
img = cv.imread(img_path)
# 翻转
flip_img = cv.flip(img, 1)
cv.imshow("flip_img", flip_img)
cv.imwrite("./test_image/flip_img.png", flip_img)
cv.waitKey(0)
cv.destroyAllWindows()
两张图进行对比

翻转前
翻转后

很明显可以观测到

新的xmin = 图像的width - 原来的xmax
新的xmax = 图像的width - 原来的xmin
ymin 和 ymax 不变

用代码计算:

# bbox: xmin, ymin, xmax, ymax
new_xmin = width - old_xmax
new_xmax = width - old_xmin
new_ymin = old_ymin
new_xmax = old_ymax
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值