图像遍历绘制Bounding Box及Pillow crop失效问题排查

我来帮你拆解下Pillow代码里的几个核心问题，这就是为什么只有第一个ROI有效，还出现多余实例的原因：

1. 图像尺寸的概念混淆 #

Pillow的image.size返回的是**(宽度, 高度)**，也就是对应你C++代码里的cols, rows，但你把它赋值给了original_rows, original_cols，相当于把行和列的概念搞反了。这会导致后续循环的范围完全不符合你的预期，让整个遍历逻辑乱掉。

2. 循环范围的错误计算 #

你没必要把rows和cols设为original_rows + step，这会让循环的终止边界超出图像实际尺寸。比如256+64=320，按64步长循环的话，会多跑几次迭代，这就是为什么你得到了24个<PIL.Image.Image>实例，远超过预期的16个（4×4）。

3. Crop方法的参数格式完全错误 #

这是最致命的问题：Pillow的crop()方法要求传入的四元组是(left, top, right, bottom)，而不是你写的(left, top, width, height)。

你写的box = (col,row,step,step)，只有当col=0且row=0时，right=64、bottom=64是正确的；但当col=64时，你传的right=64，这时候left >= right，crop出来的就是空图像！这就是为什么只有第一个ROI有效，其余全是空的原因。

修正后的Pillow代码 #

下面是调整后的代码，完全符合你的需求（遍历256×256图像，步长64，得到16个ROI）：

from PIL import Image, ImageDraw
import numpy as np

path = "your_image_path.png"
image = Image.open(path)
draw = ImageDraw.Draw(image)
step = 64
# 正确获取图像尺寸：width(列数), height(行数)
original_width, original_height = image.size

# 循环范围：从0开始，到图像尺寸-step，步长step
for top in range(0, original_height - step + 1, step):
    for left in range(0, original_width - step + 1, step):
        # 正确构造crop的四元组：left, top, right, bottom
        right = left + step
        bottom = top + step
        box = (left, top, right, bottom)
        region = image.crop(box)
        
        # 计算灰度均值（如果是彩色图需要先转灰度，这里假设输入为灰度图）
        region_arr = np.asarray(region)
        mean_val = np.mean(region_arr)
        print(f"ROI ({left}, {top}) 均值: {mean_val}")
        print(region_arr)
        
        # 绘制Bounding Box，参数与crop的四元组格式一致
        draw.rectangle(box, width=1, outline="#FFFFFF")

image.show()

为什么NumPy实现没问题？ #

因为NumPy数组的索引是[行, 列]，和你C++代码里的x（行）、y（列）逻辑一致，你直接按切片image_arr[x:x+step, y:y+step]就能正确取到子矩阵，不需要像Pillow那样处理left/top/right/bottom的坐标规则，所以不会出现参数格式错误的问题。

内容的提问来源于stack exchange，提问作者Curious