Python NumPy中的元素矩阵乘法

我第一次真正尝试Python和NumPy来做一些图像处理。我将图像加载为三维NumPy数组，其中轴0表示图像带，而轴1和2表示像素的列和行。由此，我需要获取代表每个像素的3x1矩阵，并执行一些操作，从而生成另一个3x1矩阵，该矩阵将用于构建结果图像

我的第一种方法（简化和随机数据）如下所示：

import numpy as np
import random

factor = np.random.rand(3,3)
input = np.random.rand(3,100,100)
results = np.zeros((3,100,100))

for x in range(100):
    for y in range(100):
        results[:,x,y] = np.dot(factor,input[:,x,y])

results = np.einsum('ij,jkl->ikl',factor,input)

但这让我觉得不够优雅，效率低下。是否有一种方法可以在元素方面实现这一点，例如：

results = np.dot(factor,input,ElementWiseOnAxis0)

---

在试图找到这个问题的解决方案时，我遇到了一个问题，这个问题显然非常相似。然而，提交人未能使他们满意地解决这个问题。我希望自2012年以来有所改变，或者我的问题与他们的问题完全不同，使其更容易解决。

默认情况下，Numpy数组使用元素相乘。查看numpy.einsum和numpy.tensordot。我想你要找的是这样的东西：

import numpy as np
import random

factor = np.random.rand(3,3)
input = np.random.rand(3,100,100)
results = np.zeros((3,100,100))

for x in range(100):
    for y in range(100):
        results[:,x,y] = np.dot(factor,input[:,x,y])

results = np.einsum('ij,jkl->ikl',factor,input)

---

这对这些数据非常有效，并且应该也适用于类似的问题，谢谢！在我的例子中，输入形状是：（1001003）。我花了一些时间去理解它，但可能对其他人有用。在我的例子中是：results=np.einsum（'ij，klj->kli'，factor，input）