如果你想使用Python来裁剪图片，可以借助Numpy模块轻松地完成这个任务。下面是使用Numpy模块裁剪图片的完整攻略：
步骤1：安装Numpy模块
首先，需要确定本机上是否已经安装了Numpy模块。如果没有，可以通过以下命令来安装：
pip install numpy
步骤2：加载图片
接下来，需要把要裁剪的图片加载到Python程序中。为了达到这个目的，可以使用openCV模块，具体代码如下所示：
import cv2
img = cv2.imread('image.jpg')
这里的’image.jpg’是指图片的文件路径。如果图片和Python程序在同一个文件夹下，可以直接使用文件名，否则需要提供完整的路径。
步骤3：裁剪图片
一旦载入了图片，就可以开始裁剪了。Numpy提供了一个非常方便的方法来处理图像数据。具体步骤如下：
- 使用维度索引来确定图像的矩形区域。
- 传递这个索引数组到原始图像数组中，就可以将矩形区域抠出来了。
具体代码如下所示：
# 裁剪出原图的左上角，长宽均为100像素的一块区域
cropped_img = img[0:100, 0:100]
这里的img变量是之前载入的图像。这个例子中，我们从原图的左上角开始裁剪，长和宽都为100像素。
下面是另一个例子，其中的裁剪区域不再是矩形，而是任意形状。
import numpy as np
# 定义一个上下左右都留白50像素的圆形mask
mask = np.zeros(img.shape[:2], np.uint8)
mask = cv2.circle(mask,(int(img.shape[1]/2),int(img.shape[0]/2)),150,(255,255,255),-1)
# 用mask和原图像素值做元素乘积，将mask区域以外的部分变成了黑色，mask区域内的像素保持不变
masked_img = cv2.bitwise_and(img, img, mask=mask)
这个例子中，我们通过生成一个圆形mask数组来实现非矩形裁剪。这个数组的作用就是标记出需要保留的区域。然后，我们使用位操作函数进行元素乘积，将不在mask区域内的部分变成了黑色，而mask区域内的像素则保持不变。最终，得到的是一个只包含mask区域内的原图副本。
步骤4：保存结果
最后一步是把裁剪后的结果保存到文件。可以使用openCV的imwrite()函数来实现。具体代码如下所示：
cv2.imwrite('cropped_image.jpg', cropped_img)
这里的cropped_img是裁剪后的图像数组，’cropped_image.jpg’是要保存到的文件名。如果需要保存成其他格式，只需要修改文件扩展名即可。
以上就是使用Numpy模块裁剪图片的完整攻略。可以根据自己的需要进行调整和改进，以实现更强大的图像处理功能。