Python中保留图像指定维度像素值及反向操作的Pythonic实现

嘿，很高兴能帮你搞定这两个关于图像像素操作的问题！咱们一步步来拆解：

在Python里处理图像，我们通常会用NumPy（因为图像本质上就是多维数组）或者OpenCV这类库。所谓“保留特定维度范围的像素值”，一般分为两种场景：提取该区域作为新图像，或者保留原图像中该区域的像素，其余区域置为0，我都给你举例子：

场景1：直接提取特定区域的像素 #

如果只是想把目标区域切出来作为独立的图像，直接用NumPy的切片语法就搞定了，简单粗暴又高效：

import numpy as np

# 假设img是你的图像数组，shape可能是(h, w)（灰度图）或(h, w, 3)（RGB图）
h, w = img.shape[:2]
# 定义要保留的区域：y轴从y1到y2，x轴从x1到x2
y1, y2 = 100, 300
x1, x2 = 150, 400

# 直接切片提取目标区域
cropped_img = img[y1:y2, x1:x2]

场景2：保留原图像中目标区域，其余区域置0 #

如果要在原图像尺寸上只保留目标区域，其余像素设为0，有两种常用的Pythonic写法：

方法1：用掩码实现（清晰直观） #

# 创建和图像同形状的全0掩码
mask = np.zeros_like(img)
# 将目标区域的掩码设为1
mask[y1:y2, x1:x2] = 1
# 原图像和掩码相乘，非目标区域就会被置0
result_img = img * mask

方法2：复制原图像后修改非目标区域 #

# 先复制原图像，避免修改原数据
result_img = img.copy()
# 依次将非目标区域置0
result_img[:y1, :] = 0  # 顶部区域
result_img[y2:, :] = 0  # 底部区域
result_img[:, :x1] = 0  # 左侧区域
result_img[:, x2:] = 0  # 右侧区域

先明确原操作的效果：它是把图像中从第1行到h0.8行、第1列到w0.8列的矩形区域全部置为0。那相反的操作就是：只保留这个矩形区域的像素，其余所有区域置为0。

这里给你几种Pythonic的实现方式，都是利用NumPy的向量化特性，简洁又高效：

方法1：掩码法（最推荐，可读性拉满） #

import numpy as np

h, w = ang.shape[:2]
# 创建全0掩码
mask = np.zeros_like(ang)
# 把目标区域的掩码设为1
mask[1:int(h*.8), 1:int(w*.8)] = 1
# 相乘后就只保留目标区域的像素
ang_reversed = ang * mask

方法2：复制后修改非目标区域 #

ang_reversed = ang.copy()
# 将目标区域之外的部分全部置0
ang_reversed[:1, :] = 0          # 第0行（因为原操作从第1行开始）
ang_reversed[int(h*.8):, :] = 0  # 从h*0.8行到末尾的所有行
ang_reversed[:, :1] = 0          # 第0列
ang_reversed[:, int(w*.8):] = 0  # 从w*0.8列到末尾的所有列

方法3：一步切片赋值（更紧凑） #

如果你喜欢更简洁的写法，也可以直接对复制后的数组进行反向切片赋值：

ang_reversed = np.zeros_like(ang)
ang_reversed[1:int(h*.8), 1:int(w*.8)] = ang[1:int(h*.8), 1:int(w*.8)]

这种写法直接把原图像的目标区域复制到全0数组的对应位置，效果和上面两种完全一致，也是很Pythonic的写法。

内容的提问来源于stack exchange，提问作者Laveena