用numpy.tensordot改变颜色空间

Question

我有一个图像，我已经从文件中读取了形状(m,n,3) (即它有3个通道)。我也有一个矩阵来转换颜色空间与维度(3,3)。我已经找到了几种不同的方法将这个矩阵应用于图像中的每个向量；例如，

np.einsum('ij,...j',transform,image)

所产生的结果似乎与以下(慢得多的)实现相同。

def convert(im: np.array, transform: np.array) -> np.array:
    """ Convert an image array to another colorspace """
    dimensions = len(im.shape)
    axes = im.shape[:dimensions-1]

    # Create a new array (respecting mutability)
    new_ = np.empty(im.shape)

    for coordinate in np.ndindex(axes):
        pixel            = im[coordinate]
        pixel_prime      = transform @ pixel
        new_[coordinate] = pixel_prime

    return new_

但是，我发现在用轮廓仪对示例映像进行测试时，下面的内容甚至更有效。

np.moveaxis(np.tensordot(transform, X, axes=((-1),(-1))), 0, 2)

我在这里遇到的问题是只使用np.tensordot，即消除对np.moveaxis的需求。我花了几个小时试图找到一个解决方案(我猜它存在于选择正确的axes中)，所以我想我应该向其他人寻求帮助。

Answer 1

如果您将tensordot作为第一个参数，则可以使用image简洁地完成这一任务：

np.tensordot(image, transform, axes=(-1, 1))

通过使用参数einsum (需要numpy 1.12或更高版本)，您可以从optimize=True获得更好的性能：

np.einsum('ij,...j', transform, image, optimize=True)

或者(正如Paul Panzer在评论中指出的)，您可以简单地使用矩阵乘法：

image @ transform.T

他们在我电脑上的时间差不多是一样的。