http://blog.csdn.net/qq_32166627/article/details/52718612
上一篇讲的是图片的旋转与翻转，这节讲图片的截取：
用到了tensorflow中的slice（）函数，
slice（）函数原型为：
tf.slice(input_, begin, size, name=None)
函数有4个参数：
1，input_ ：图片的矩阵输入格式。
2，begin ：开始截取的位置（输入矩阵的某一点，通常是[x,y,z]的形式）
3，size ：从开始截取点向各维度截取的距离（通常也是[x,y,z]的形式）
4，name ：该tensor的名字。
官网例子：
# 'input' is [[[1, 1, 1], [2, 2, 2]],
# [[3, 3, 3], [4, 4, 4]],
# [[5, 5, 5], [6, 6, 6]]]
tf.slice(input, [1, 0, 0], [1, 1, 3]) ==> [[[3, 3, 3]]]
tf.slice(input, [1, 0, 0], [1, 2, 3]) ==> [[[3, 3, 3],
[4, 4, 4]]]
tf.slice(input, [1, 0, 0], [2, 1, 3]) ==> [[[3, 3, 3]],
[[5, 5, 5]]]解读：
1，input是一个3维向量，作为tf.slice()函数的输入值（待截取的tensor）
2，第二个参数 [ 1,0,0 ] 是截取的起始点，这里就是第2行的第一个数字 “3”
3，第三个参数有3个示例，只讲（1）（3）：
（1） [ 1,1,3 ] 是截取的距离，第一个维度截取1个距离，于是首先截取出[ [ [ 3,3,3 ] , [ 4,4,4 ] ] ] 这部分。第二个维度截取1个距离，那么再截出[ [ [ 3,3,3 ] ] ]这部分。第3个维度截取3个距离，即将全部3个元素截取，得到结果。
（3）[ 2,1,3 ] 第一个维度是2，于是截出来
[ [ [ 3,3,3 ] , [ 4,4,4 ] ,
[ [ 5,5,5 ] , [ 6,6,6 ] ] ]
这部分。第二个维度是1，再截取一个距离，得：
[ [ [ 3,3,3 ] ,
[ [ 5,5,5 ] ] ]
这部分。第三个维度截3个距离，得到结果，若截2个距离，得：
[ [ [ 3,3 ] ,
[ [ 5,5 ] ] ]
注：
（1）第3个参数中可以用-1，如[1,-1,-1]，表示第2，3维度从起点一直截取到最后。
（2）多维向量不要理解为线，面，体之类的，那样的话3维以上的点就会对应错。有多少层符号"[ ]"，就有多少维，从外层向内层，维度依次增加。
——————————————————————————————————————————
下面是一个截取图片的例子：
[python] view plain copy
- import tensorflow as tf
- import matplotlib.image as mpimg
- import matplotlib.pyplot as plt
- # First, load the image again
- filename = "MarshOrchid.jpg"
- raw_image_data = mpimg.imread(filename)
- image = tf.placeholder("uint8", [None, None, 3])
- slice = tf.slice(image, [1000, 0, 0], [3000, -1, -1])
- with tf.Session() as session:
- result = session.run(slice, feed_dict={image: raw_image_data})
- print(result.shape)
- plt.imshow(result)
- plt.show()
关键语句：
slice = tf.slice(image, [1000, 0, 0], [3000, -1, -1])