懒得打字了，直接上资料的图吧！
要注意，上面叙述中利用Numpy的索引提取ROI区域的叙述是有严重问题的，具体问题是对x1、x2、y1、y2所代表的值叙述错误。
x1:x2表示的是ROI区域在原图中的行范围，所以应该是y坐标值，x1:x2代表的区间是左闭右开的，即[x1,x2)。
y1:y2表示的是ROI区域在原图中的列范围，所以应该是x坐标值，y1:y2代表的区间同样也是左闭右开区间，即[y1,y2)
另外，由以上叙述可知，我们在对图像数据进行拷贝时一定要注意是深拷贝还是浅拷贝。深拷贝不是共用存储区，而浅拷贝是共用存储区。
接下来上示例代码：
- 示例一：通过“=”实现浅拷贝
- 示例二：通过“=”和索引实现浅拷贝
- 示例三：通过函数copy()实现深拷贝
- 示例四：将矩阵的感兴趣区域替换为另一矩阵的值(深拷贝)
import numpy as np A1 = np.zeros((7, 7), dtype='uint8') # 通过“=”实现浅拷贝 B1 = A1 B1[3, 3] = 1
运行结果如下：
从以上代码和运行结果可知，B1是A1的浅拷贝，修改B1的值后，A1中相应位置的值也被改变了。
import numpy as np A1 = np.zeros((7, 7), dtype='uint8') # 通过“=”和索引实现浅拷贝 B2 = A1[0:4, 0:3] B2[1, 1] = 1
运行结果如下：
import numpy as np A1 = np.zeros((7, 7), dtype='uint8') # 通过“=”和索引实现浅拷贝 B1 = A1[0:4, 0:3] # 通过函数copy()实现深拷贝 C1 = B1.copy() C1[1, 1] = 1
运行结果如下图所示：
说明：因为C1并不与A1和B1共用存储区，所以C1值的改变并不会影响A1和B1。
代码如下：
import numpy as np A1 = np.zeros((7, 7), dtype='uint8') B1 = np.ones((3, 3), dtype='uint8') A1[1:4, 1:4] = B1
运行结果如下：
上面的结果看不出是深拷贝还是浅拷贝，我们加一条语句就知道了：
import numpy as np A1 = np.zeros((7, 7), dtype='uint8') B1 = np.ones((3, 3), dtype='uint8') A1[1:4, 1:4] = B1 B1[1, 1] = 0
运行结果如下：
从上面的运行结果可知，语句：
A1[1:4, 1:4] = B1
只是把A1中的子区域的值替换为矩阵B1中的值，而并不是把A1中的子区域的存储空间和B1共享。
延伸阅读：Python的Numpy库的ndarray对象(矩阵)初始化、属性调整、属性获取、基本操作示例代码积累
