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

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。

示例二：通过“=”和索引实现浅拷贝

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：

示例三：通过函数copy()实现深拷贝

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：

示例四：将矩阵的感兴趣区域替换为另一矩阵的值(深拷贝)

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