数据增强——图像翻转，BoundingBox翻转

最新推荐文章于 2024-08-25 14:50:52 发布

原创最新推荐文章于 2024-08-25 14:50:52 发布 · 1.2k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python #目标检测 #数据增强 #bbox坐标翻转

Digital Image Processing 专栏收录该内容

6 篇文章

订阅专栏

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 >

数据增强——图像翻转，BoundingBox翻转

- 图像翻转很容易，边界框如何翻转呢？

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