Python 使用矩阵对numpy数组的每一行进行多重处理

将np数组的每一行（轴=2）与矩阵相乘的最简单的方法是什么。例如，我正在处理读取为np形状数组（480，512，3）的图像，我想用一个3x3矩阵乘以每个img[I，j]。我不想为此使用for循环。这是我尝试过的，但它给出了一个错误

A = np.array([
        [.412453, .35758, .180423],
        [.212671, .71516, .072169],
        [.019334, .119193, .950227]
    ])
lin_XYZ = lambda x: np.dot(A, x[::-1])
#lin_XYZ = np.vectorize(lin_XYZ)
tmp_img = lin_XYZ(tmp_img[:,:])

File ".\proj1a.py", line 24, in color2luv
tmp_img = lin_XYZ(tmp_img[:,:])
File ".\proj1a.py", line 22, in <lambda>
lin_XYZ = lambda x: np.dot(A, x)

A=np.array([
[.412453, .35758, .180423],
[.212671, .71516, .072169],
[.019334, .119193, .950227]
])
lin_XYZ=lambda x:np.dot（A，x[：-1]）
#lin_XYZ=np.矢量化（lin_XYZ）
tmp_img=lin_XYZ（tmp_img[：，：]）
文件“\proj1a.py”，第24行，彩色2luv
tmp_img=lin_XYZ（tmp_img[：，：]）
文件“\proj1a.py”，第22行，在
lin_XYZ=lambda x:np.dot（A，x）

ValueError:形状（3,3）和（480512,3）未对齐：3（尺寸1）！=512（尺寸1）

所以

A

是（3,3）和

x

是（480512,3），你知道什么是三维尺寸上的

dot

。点（A，B）要记住的关键是，A的最后一个dim是B的第二个到最后一个。（这就是错误所抱怨的

3（dim 1）！=512（dim 1）

）

将满足这一要求

A.dot(x.transpose(0,2,1))   #  (3,3) with (480,3,512) 

也可以工作，尽管生成的数组可能需要进一步转置-假设您希望3是最后一个

您还可以将维度与

einsum

或

tensordot

配对：

np.einsum('ij,kli->klj', A, x)

---

---

x[：-1]

在其第一个维度上翻转

x

，即480维度。形状保持不变。你想要转置吗？

按“行”的意思，你实际上是指轴=2还是轴=1？（因为第一个轴，列轴，是轴=0？）看起来你想要的只是

x.dot（A）

而不是

A.dot（x）

。你可以重塑你的矩阵，比如说，从MxNx3到Ox3，O=M*N，然后乘以它，然后再重塑它。@AGNGazer，请参考：@AGNGazer抱歉，我下次会尝试改进，但我不是想用（480512）乘以3x3，我的意思是每个

img[I，j]

将给出一个包含3个元素的行，然后用

3x3

矩阵相乘，下次@heltonbiker我会尝试更好地描述这个问题，谢谢。我使用opencv读取图像，在（480512,3）中，3表示色带-R、G、B，但opencv将其读取为BGR，我需要它读取为RGB，因此我认为使用

x[：-1]

可以做到这一点。如果需要交换色带，则

：-1

是正确的。

np.einsum('ij,kli->klj', A, x)