如何使用 numpy.matmul 广播其他维度？答案

【问题标题】：How do I broadcast other dimensions using numpy.matmul?如何使用 numpy.matmul 广播其他维度？
【发布时间】：2021-01-19 19:57:34
【问题描述】：

我有一个 640x480 RGB 图像，形状为 numpy (480, 640, 3) -- R、G、B 通道为 3 我想在每个像素，按照以下方式转换RGB值：

    # for each pixel
    for i in range(img.shape[0]):
        for j in range(img.shape[1]):
            # set the new RGB value at that pixel to
            # (new RGB vector) = (const matrix A) * (old RGB vector) + (const vector B)
            img[i,j,:] = np.reshape((np.matmul(A, np.expand_dims(img[i,j,:], axis = 1)) + B), (3,))

其中 A 的形状为 (3,3)，B 的形状为 (3,1)。如何使用 numpy 执行此操作而不在像素上编写循环？

【问题讨论】：

您的代码不起作用。 numpy.matmul(A, data[i,j,:].T) + B 返回形状 (3,3) 而 img[i,j,:] 具有形状 (3,)。您将形状(3,3) 分配给(3,)。
@wuxiekeji 好像是错字 - B 必须是 1D 数组？
我以我认为可行的方式对其进行了编辑，但无论哪种方式，目的都是在每个 rgb 像素处执行 (constant matrix A)*(rgb vector) + (constant vector B)。
@wuxiekeji 发布的解决方案对您有用吗？

标签： python python-3.x numpy math matrix

【解决方案1】：

一种方法是使用np.einsum -

img = np.einsum('ij,klj->kli',A,data) + B

另一个np.tensordot -

img = np.tensordot(data,A,axes=(-1,-1)) + B