Python中如何将处理后的图像补丁正确插回原图并解决广播报错

• 变量覆盖：你最初读取的全图数据存储在img变量中，执行img = img[ind:ind+L,ind:ind+L]后，img已经被替换为裁剪后的补丁数组，全图原始数据直接丢失。
• 赋值逻辑颠倒：最后一行代码试图把尺寸为16898x16898的补丁，塞进尺寸只有15362x15362的img_done数组的对应切片里，二者尺寸不匹配触发广播错误，同时你搞反了「待插入的全图容器」和「处理好的补丁」的赋值关系。

第一步：修正基础插入逻辑 #

首先保留原图备份，理清变量对应关系，即可解决广播报错问题，基础修正代码如下：

import numpy as np
import rasterio as rio
import imageio

# 读取原图，保留全图备份，不要修改这个变量
with rio.open('path/to/image') as src:
    ori_img = src.read(1)

ind = 1536 
L = 16898
# 裁剪补丁，用单独变量存储，不修改原图
patch = ori_img[ind:ind+L, ind:ind+L].copy()

## 这里运行你的补丁处理逻辑，处理后的补丁存在processed_patch中
processed_patch = 你的处理函数(patch)
processed_patch = processed_patch.astype(np.uint8)

# 生成最终结果的基础数组，直接复制原图
result_img = ori_img.copy()
# 把处理好的补丁插到对应位置
result_img[ind:ind+L, ind:ind+L] = processed_patch

第二步：实现边缘平滑无伪影过渡 #

直接硬插补丁会留下明显的拼接边界，我们可以给补丁边缘加羽化过渡带，用渐变权重融合补丁和原图边缘，消除伪影：

# 定义羽化带宽，可根据实际显示效果调整，示例设为30像素
feather_width = 30

# 生成和补丁同尺寸的alpha权重蒙版，初始值全为1
alpha = np.ones((L, L), dtype=np.float32)

# 给四个边缘做渐变过渡，角落处取两次渐变的最小值避免权重异常
# 上边缘
alpha[:feather_width, :] = np.linspace(0, 1, feather_width)[:, None]
# 下边缘
alpha[-feather_width:, :] = np.linspace(1, 0, feather_width)[:, None]
# 左边缘
alpha[:, :feather_width] = np.minimum(alpha[:, :feather_width], np.linspace(0, 1, feather_width)[None, :])
# 右边缘
alpha[:, -feather_width:] = np.minimum(alpha[:, -feather_width:], np.linspace(1, 0, feather_width)[None, :])

# 按权重融合处理后的补丁和原图对应区域
ori_patch = ori_img[ind:ind+L, ind:ind+L]
fused_patch = (processed_patch * alpha + ori_patch * (1 - alpha)).astype(np.uint8)

# 插入融合后的补丁得到最终结果
result_img[ind:ind+L, ind:ind+L] = fused_patch

内容的提问来源于stack exchange，提问作者standbybee