Numpy矩阵翻转与旋转详解：flip函数与rot90应用

使用numpy.flip(m, axis=None)函数可对矩阵进行翻转操作。

该函数沿指定轴反转数组元素的顺序。

操作后数组形状保持不变，仅元素顺序发生重排。

具体而言，该操作将矩阵m在指定的axis维度上进行切片，并将该维度内的索引顺序完全颠倒。

以下通过具体示例展示操作效果。

首先随机生成一个二维数组用于演示。

import  numpy as np
a=np.random.randint(1,9,size=9).reshape((3,3))

生成的示例数组如下： [[5 8 6] [3 1 7] [8 7 8]]

当设置axis=0时，执行上下翻转。此时将每一行视为整体，行的排列顺序发生颠倒，而每一行内部的元素顺序保持不变。

print(np.flip(a,axis=0))

翻转后的结果如下： [[8 7 8] [3 1 7] [5 8 6]]

当设置axis=1时，执行左右翻转。此时将每一列视为整体，列的排列顺序发生颠倒，而每一列内部的元素顺序保持不变。

print(np.flip(a,axis=1))

翻转后的结果如下： [[6 8 5] [7 1 3] [8 7 8]]

接下来介绍Numpy矩阵的旋转方法。

使用skimage.io读取的图片通常以numpy.darray格式存储。掌握矩阵的旋转与翻转技巧，能够有效实现数据增广（data augmentation）。

可以使用rot90函数来实现矩阵旋转，具体示例如下。

import numpy as np
mat = np.array([[1,3,5],
                [2,4,6],
                [7,8,9]
                ])
print mat, "# orignal"
mat90 = np.rot90(mat, 1)
print mat90, "# rorate 90 <left> anti-clockwise"
mat90 = np.rot90(mat, -1)
print mat90, "# rorate 90 <right> clockwise"
mat180 = np.rot90(mat, 2)
print mat180, "# rorate 180 <left> anti-clockwise"
mat270 = np.rot90(mat, 3)
print mat270, "# rorate 270 <left> anti-clockwise"

如果输入的mat变量代表图片数据，那么旋转后的可视化效果会更加直观。

以上为个人经验总结，希望能给大家一个参考，也希望大家多多支持本站。