OpenCV基础：获取子矩阵的几种方式

方法一：使用切片操作

import numpy as np

# 创建一个示例矩阵
matrix = np.array([[1, 2, 3, 4],
                  [5, 6, 7, 8],
                  [9, 10, 11, 12],
                  [13, 14, 15, 16]])

sub_matrix = matrix[0:2, 0:2]
print(sub_matrix)

代码解释：

matrix[0:2, 0:2] 是切片操作，对于二维数组，第一个 0:2 表示行的范围，从第 0 行开始到第 2 行（不包括第 2 行），第二个 0:2 表示列的范围，从第 0 列开始到第 2 列（不包括第 2 列）。
切片操作的基本语法是 start:stop:step，其中 start 是起始索引，stop 是结束索引（不包括该索引对应的元素），step 是步长（默认为 1）。

运行结果：

方法二：使用高级索引

import numpy as np

# 创建一个示例矩阵
matrix = np.array([[1, 2, 3, 4],
                  [5, 6, 7, 8],
                  [9, 10, 11, 12],
                  [13, 14, 15, 16]])

# 使用高级索引获取子矩阵，选取特定的行和列
rows = [0, 2]
cols = [1, 3]
sub_matrix = matrix[np.ix_(rows, cols)]
print(sub_matrix)

代码解释：

np.ix_ 是 numpy 中的一个函数，它可以将两个一维整数数组转换为一个用于选择矩阵元素的索引器。
np.ix_(rows, cols) 会生成一个索引器，用于选取 rows 中指定的行和 cols 中指定的列所构成的子矩阵。

运行结果：

方法三：使用条件筛选

import numpy as np

# 创建一个示例矩阵
matrix = np.array([[1, 2, 3, 4],
                  [5, 6, 7, 8],
                  [9, 10, 11, 12],
                  [13, 14, 15, 16]])

# 筛选出元素大于 5 的元素所在的行和列形成的子矩阵
sub_matrix = matrix[matrix > 5]
print(sub_matrix)

代码解释：

matrix > 5 会生成一个布尔型的数组，其中元素大于 5 的位置为 True，其余为 False。
当将这个布尔型数组作为索引时，会选取布尔型数组中为 True 的元素，在二维矩阵中，会返回一个一维数组，包含了满足条件的元素。

运行结果：

方法四：使用 numpy 的 take 函数

import numpy as np

# 创建一个示例矩阵
matrix = np.array([[1, 2, 3, 4],
                  [5, 6, 7, 8],
                  [9, 10, 11, 12],
                  [13, 14, 15, 16]])

# 使用 take 函数获取子矩阵，选取第 0 行和第 2 行，第 1 列和第 3 列
sub_matrix = np.take(np.take(matrix, [0, 2], axis=0), [1, 3], axis=1)
print(sub_matrix)

代码解释：