之前无聊在刷视频的时候看到这么一个有意思的视频（现在视频找不到，忘记关键字了= =），视频的内容大概是这样的：一张狗狗的侧脸照片，经过碎纸机，横的切成若干条，并且没有打乱，随后隔条分成了两份，然后把这两份各自拼接在一起，出现了两张狗狗的图片（B图和C图）。
如下图：把A图分成了B和C两张图片A图
B图
C图
如上图A,B,C，图片上的狗狗其实是同一个，利用原图A，把A等分成若干份，分别给B,C，然后再次拼接在一起，于是形成了B,C两张图片。
如何实现？
想实现视频中的效果，你可以手工做，先打印那么一张狗狗的图片，然后裁剪，拼装，但是很麻烦而且要有耐心。会Numpy图像处理的话，我们就可以用计算机的方式来实现这个现象。
Numpy对图像的处理实际上就是对ndarray的处理。图像和ndarray又有什么关系呢？图像是可以用ndarray数组来表示。如图我们可以用plt.imread()读取一张图片的数据，返回的就是这张图片的ndarray数组。
a.shape()查看数组的形状其中(347,500,3), 500代表图片的长度，347代表图片的宽度，3代表RGB（通道数，有些图片格式是3通道，有些图片格式是4通道）。
所以我们可以将一张图片看作一个ndarray，而numpy库可以对ndarry进行处理，主要操作就是对数组的拆分，以及数组的拼接。
准备工作：首先从某网站上下载了一张狗狗的照片= =。
我们用numpy来处理图像。注：使用numpy库来对图像进行处理。这里我们使用matplotlib.pyplot的相关方法来辅助。
主要用到的函数方法：
plt.imread：读取图像，返回ndarray的数组。
plt.imshow：显示图像。
plt.imsave：保存图像。
np.split:数组的分割，分割图像。
np.concatenate:数组的拼接，拼接图像。ps:imread方法默认只能处理png格式的图像，如果需要处理其他格式的图像，需要安装pillow库。这里下载的图片是jpg格式的，所以在读取的时候会报错。偷懒一下，用ps打开重新用png格式保存了一下，另外直接重命名原图为png也是不行的哦。。。
第一步：导入图片
# 导入库
Import numpy as np
Import matplotlib.pyplot as plt
# 读取图像数据
a = plt.imread(u"狗狗.png")
第二步：对图像进行分割
#读取图像的width，方便对其进行拆分
width = a.shape[1]
#将图片竖着切分成若干份：将数组以列来进行切分（axis = 1）,分成两组
li = np.split(a, range(10, width,10), axis=1）
#这里我们将图片分割成若干宽度为10的长条
li1 = li[::2]
#利用切片操作，设置步长为2，相当于从第一条开始，隔条取出，即取出奇数的图片
li2 = li[1::2]
#利用切片操作，设置步长为2，相当于从第二条开始，隔条取出，即取出偶数的图片
第三步：合并图像：将数组合并在一起
# 把数组合并，相当于把第一个容器中的图片拼接起来。
a1 = np.concatenate(li1,axis=1)
# 把数组合并，相当于把第二个容器中的图片拼接起来。
a2 = np.concatenate(li2,axis=1)
第四步：显示图像（放在一起显示，可以对原图和产生的两张图片进行比较）
Fig, ax = plt.subplots(3)
Fig , set_size_inches(10, 10)
#原图
ax[0].imshow(a)
#图1
ax[ 1].imshow(a1)
#图2
ax[2].imshow(a2)
plt.tight_layout()
最终的结果如图：分割的宽度越小，拼接出来的图片内越真实
切分宽度为5
切分宽度为20
大家可以试着切分更多的条数，或者打乱顺序来拼接图片来看看最终的效果，是不是很神奇呢= =。
这个技术可以运用在哪儿呢？
在图片原创欺骗上可能有些用途，其他的用途还没想到。