2

Image Mirror

Unsolved
Computer Vision

Difficulty: 5 | Problem written by zeyad_omar
Problem reported in interviews at

Amazon
Apple
Facebook
Google
Netflix

Image mirroring or flipping is a data augmentation preprocessing technique used in computer vision to add some variance to the dataset and increase the number of training examples, helping to reduce overfitting.

In this problem, you are given an image in the form of 2-D matrix. Write a function that returns that image flipped or mirrored.

*Hint : Swap each 2 opposite pixels or cells once.

Sample Input:
<class 'list'>
image: [[1, 1, 1, 1], [1, 1, 1, 0]]

Expected Output:
<class 'numpy.ndarray'>
[[1 1 1 1] [0 1 1 1]]

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Vitae nisi suscipit iure sint dolor ab, perspiciatis expedita recusandae corrupti necessitatibus maiores voluptatem ea nemo veniam, iste fuga consequatur aspernatur reprehenderit, architecto rem provident sunt temporibus quaerat itaque deserunt, animi ipsa temporibus inventore optio fugit beatae explicabo quae sapiente magnam vel. Ipsa vitae aliquam, delectus recusandae a amet assumenda nesciunt neque iusto placeat, quo sapiente eum explicabo omnis officiis. Quo commodi porro explicabo necessitatibus aliquid dolorum nulla dolores.

Repellendus asperiores provident velit veritatis dolor hic voluptates eaque minima, inventore a quaerat laborum officiis, distinctio animi alias dolor quis adipisci qui, nam neque quasi debitis laudantium nisi incidunt veritatis facere dolorem, eum iste harum cum? Magnam fugit quae et qui eligendi odio quidem nostrum necessitatibus quia vitae, nulla quos asperiores temporibus ratione vitae aliquid a in ut repudiandae. At magni labore hic porro exercitationem numquam doloribus debitis. Saepe nisi aspernatur quis quia aliquid earum eos modi, ipsam nam cumque commodi quos numquam quam, suscipit dolorum dolor dignissimos quaerat aspernatur deserunt quas aperiam minus totam sit, quia id dolorum facilis ducimus laudantium maxime fugiat distinctio accusamus voluptatum debitis?

Facere id amet culpa modi a itaque odio voluptatem maiores eligendi, explicabo iusto ab enim porro, harum deleniti similique provident omnis dolorum, possimus dolores vero maxime, eaque cum ipsum nesciunt exercitationem?

This is a premium feature.
To access this and other such features, click on upgrade below.

Ready.

Input Test Case

Please enter only one test case at a time
numpy has been already imported as np (import numpy as np)