超解像で遊んでいたら、学習データの拡張でflipと回転をする必要があったのでメモ。
超解像のための学習データを拡張する場合には、画像が劣化するinterpolationは利用しない。このため、flipと0, 90, 180, 270度の回転の組み合わせで8通りのデータ拡張を行う。
これらの回転は cv2.flip と cv2.transpose で実現する。

import numpy as np
import cv2


def main():
    base_w, base_h = 40, 30
    patch_size = max(base_w, base_h)
    base_image = np.ones((base_h, base_w, 3), dtype=np.uint8) * 255
    font = cv2.FONT_HERSHEY_PLAIN
    cv2.putText(base_image, "test", (0, base_h), font, 1, (255, 0, 0))
    output_image = np.zeros((patch_size, patch_size * 8, 3), dtype=np.uint8)
    i = 0

    for image1 in [base_image, cv2.transpose(base_image)]:
        for image2 in [image1, cv2.flip(image1, 0)]:
            for image3 in [image2, cv2.flip(image2, 1)]:
                h, w, _ = image3.shape
                output_image[:h, i * patch_size:i * patch_size + w] = image3
                i += 1

    cv2.imshow("output image", output_image)
    cv2.waitKey(-1)


if __name__ == '__main__':
    main()

Input:

Output:

ちゃんとflipと回転角を指定する場合は、ちゃんと組み合わせを考える必要があるが、実はnumpy.rot90という関数があり、その実装が参考になる。

flipまで組み合わせると、全部やってくれる実装はないので、自分で実装する必要がある。rot90 + flipの組み合わせだと、微妙に無駄な処理が発生することがある。気にしないといけないケースは殆どないと思われるが…

まとめると下記のような結果になる。