Python：沿垂直轴镜像图像的最有效方法

Question

我有很多图像需要（即时）翻转，因此我正在寻找使用 Python 的最快方法。

最有效的方法是什么？

我在磁盘上有图像文件并尝试了一些方法，如下面我自己的答案所示，但这些以 Numpy 数组开头，因此可能不是最佳的。有更好的方法吗？

Answer 1

您可以简单地使用slicing 来翻转倒数第二个轴，从而将等效的翻转视图放入图像的输入数组中，这样不会在内存中创建任何新数据，因此是一种高效的数据，就像这样 -

images[...,::-1,:]

如果您仍需要制作副本，请在此处使用.copy，它仍然比np.fliplr 更有效，并且对于小型/体面大小的数组很明显。

运行时测试-

似乎 NumPy 是赢家，所以我将用它来测试它。

In [64]: images = np.random.randint(0,255,(3,200,400,3))

In [65]: out1 = np.array([np.fliplr(images[i]) for i in range(3)])

In [66]: out2 = images[...,::-1,:]

In [67]: np.allclose(out1, out2)
Out[67]: True

In [68]: %timeit np.array([np.fliplr(images[i]) for i in range(3)])
1000 loops, best of 3: 1.38 ms per loop

In [69]: %timeit images[...,::-1,:]
1000000 loops, best of 3: 259 ns per loop # virtually free

如果你需要复制 -

In [76]: images = np.random.randint(0,255,(3,10,10,3))

In [77]: %timeit np.array([np.fliplr(images[i]) for i in range(3)])
100000 loops, best of 3: 5.76 µs per loop

In [78]: %timeit images[...,::-1,:].copy()
100000 loops, best of 3: 2.23 µs per loop

In [79]: images = np.random.randint(0,255,(3,100,100,3))

In [80]: %timeit np.array([np.fliplr(images[i]) for i in range(3)])
10000 loops, best of 3: 159 µs per loop

In [81]: %timeit images[...,::-1,:].copy()
10000 loops, best of 3: 152 µs per loop

Answer 2

这里有两种方法，使用：

1. OpenCV cv2.flip()
2. 麻木np.fliplr()

导入包

import cv2
import numpy as np

我在一个 numpy 数组中有三个图像，每个图像的分辨率如下所示：

images.shape
(3, 200, 400, 3)

使用 Jupyter 的 %%timeit 模块：

%%timeit -r 10 -n 100000
[cv2.flip(images[i], 1) for i in range(3)]

--> 70.4 µs ± 1.16 µs per loop (mean ± std. dev. of 10 runs, 100000 loops each)

%%timeit -r 10 -n 100000
[np.fliplr(images[i]) for i in range(3)]

--> 3.19 µs ± 288 ns per loop (mean ± std. dev. of 10 runs, 100000 loops each)

运行以下代码可确保结果相同：

x = [cv2.flip(images[i], 1) for i in range(3)]
y = [np.fliplr(images[i]) for i in range(3)]

for i in range(3):
    print(np.array_equal(x[i], y[i]))

# True
# True
# True

所以 numpy 大约是。比opencv快20倍