Python实现从高分辨图像上抠取图像块的完整攻略包含以下步骤：

1. 安装必要的库

在python中使用Pillow（Python Imaging Library）库来处理图像。可以使用pip命令来安装该库，命令如下：

pip install pillow

2. 加载要处理的图像

使用Pillow的Image打开图像，然后转换为numpy数组来处理。示例代码如下：

from PIL import Image
import numpy as np

im = Image.open('test.png')
im_arr = np.array(im)

可以把“test.png”替换成自己的图像路径。

3. 抠取图像块

首先，定义一个函数来抠取图像块。示例代码如下：

def crop_image(image, crop_size, stride):
    '''
    image: 要抠取的图像
    crop_size: 图像块大小，如(256, 256)
    stride: 步长，即每个图像块之间的距离
    '''
    h, w = image.shape[0], image.shape[1]  # 获取图像的高度和宽度
    crop_h, crop_w = crop_size[0], crop_size[1]  # 获取图像块的高度和宽度
    patches = []
    for left in range(0, w - crop_w + 1, stride):
        for top in range(0, h - crop_h + 1, stride):
            right, bottom = left + crop_w, top + crop_h
            patch = image[top:bottom, left:right, :]
            patches.append(patch)
    return patches

该函数将返回一个由图像块组成的列表。

然后，使用该函数抠取图像块。示例代码如下：

crop_size = (256, 256)  # 设置图像块的大小
stride = 128  # 设置步长
patches = crop_image(im_arr, crop_size, stride)  # 获取图像块列表

上述示例代码中，我们将图像块大小设置为(256, 256)，而步长设置为128。这意味着我们每128个像素抠取一个大小为256 x 256的图像块。

4. 保存图像块

使用Pillow将numpy数组保存为图像。示例代码如下：

for i, patch in enumerate(patches):
    im_patch = Image.fromarray(patch)
    im_patch.save(f'patch_{i}.png')

该代码将列表中的每个图像块保存为一个单独的PNG图像文件。

示例一

将上述代码保存为一个.py文件，并在控制台中运行脚本。在与.py文件同级的目录中创建一个名为“test.png”的图像，然后运行脚本。脚本将使用给定的参数抠取图像块，并将其保存为单独的PNG图像文件。

示例二

我们还可以在OpenCV中使用该方法。示例代码如下：

import cv2

img = cv2.imread('test.png')
patches = crop_image(img, crop_size=(256, 256), stride=128)
for i, patch in enumerate(patches):
    cv2.imwrite(f'patch_{i}.png', patch)

在此示例中，我们使用OpenCV加载图像。然后，我们使用上述定义的crop_image函数抠取图像块，并使用OpenCV将每个图像块保存为PNG文件。