如何一次性对两张图像分别进行不同区域的切片操作？

这个问题我太熟了！之前处理批量图像切片时也踩过同样的坑——问题出在索引的广播机制上：当你用数组作为切片的起始/结束坐标时，NumPy/PyTorch会自动把这个索引和原张量的第一个维度（2张图像）做广播，导致每张图像都应用了两组切片范围，最终得到2×2=4个区域，完全不是你想要的“每张图对应一个专属切片”的效果。

核心解决方案：用高级索引匹配单图切片 #

要实现一次性给每张图切不同的区域，关键是让索引和图像一一对应，避免广播。我们可以用arange生成图像的索引，再给每个图像单独指定对应的切片范围，具体实现如下：

以NumPy为例：

import numpy as np

# 模拟输入：2张256x256x3的图像
imgs = np.random.rand(2, 256, 256, 3)

# 每张图的切片坐标（对应[yst, yend, xst, xend]）
slice_coords = [
    (125, 130, 125, 130),  # 第一张图的切片范围
    (140, 145, 140, 145)   # 第二张图的切片范围
]

# 拆分坐标
yst, yend, xst, xend = zip(*slice_coords)

# 关键操作：用高级索引匹配每个图像的切片
result = imgs[
    np.arange(2),  # 对应第0、第1张图
    [slice(y_start, y_end) for y_start, y_end in zip(yst, yend)],  # 每张图的y轴切片
    [slice(x_start, x_end) for x_start, x_end in zip(xst, xend)],  # 每张图的x轴切片
    :  # 保留所有通道
]

# 查看结果形状：(2, 5, 5, 3)，正好是两张图各一个5x5的切片
print(result.shape)

如果你用PyTorch，逻辑完全一致：

import torch

imgs = torch.rand(2, 256, 256, 3)
slice_coords = [(125, 130, 125, 130), (140, 145, 140, 145)]
yst, yend, xst, xend = zip(*slice_coords)

result = imgs[
    torch.arange(2),
    [slice(y_start, y_end) for y_start, y_end in zip(yst, yend)],
    [slice(x_start, x_end) for x_start, x_end in zip(xst, xend)],
    :
]

print(result.shape)  # 输出 torch.Size([2, 5, 5, 3])

为什么原方法会失败？ #

你原来的代码imgs[:, yst:yend, xst:xend]中，yst是[125, 140]，这个数组会被当成两个独立的起始值，和原张量的第一个维度（2张图）做广播：

• 第一张图会同时取y=125-130和y=140-145的范围
• 第二张图也会取同样的两个y范围
• x轴同理，最终就得到了(2, 2, 5, 5, 3)的形状——每张图对应两组切片的组合，所以你看到了4个区域。

而我们的解决方案中，np.arange(2)明确指定了“第0张图用第0个切片，第1张图用第1个切片”，完全避免了广播带来的组合问题，一次性就能得到你想要的结果。

内容的提问来源于stack exchange，提问作者Kriss