如何无循环将numpy数组值按指定索引（含浮点型）写入目标数组？

问题背景 #

我需要从原图像提取非矩形区域生成新图像，同时用映射数组记录新图像像素在原图像的位置。示例数据如下：

示例代码与数据 #

import numpy as np

# 初始化目标图像（5x5x3）
new_img = np.zeros((5,5,3))
# 初始输出（所有像素为0）：
# array([[[0., 0., 0.],
#         [0., 0., 0.],
#         [0., 0., 0.],
#         [0., 0., 0.],
#         [0., 0., 0.]],
#        ...（其余行均为0）])

# 待映射的非规则图像（3x2x3）
poorly_shaped_img = np.array([
    [[0.56996145, 0.66969092, 0.39299133],
     [0.71405233, 0.81291533, 0.84920548]],
    [[0.75519416, 0.25214197, 0.45477072],
     [0.05180197, 0.64204567, 0.81518423]],
    [[0.91130947, 0.69654691, 0.99531231],
     [0.07430683, 0.18580811, 0.66368306]]
])

# 映射数组：记录poorly_shaped_img每个像素在new_img中的坐标
rounded_pixel_map = np.array([
    [[0,0],[0,2]],
    [[1,4],[2,4]],
    [[0,3],[4,2]]
])

# 期望输出的new_img
desired_output = np.array([
    [[0.56996145, 0.66969092, 0.39299133],
     [0., 0., 0.],
     [0.71405233, 0.81291533, 0.84920548],
     [0.91130947, 0.69654691, 0.99531231],
     [0., 0., 0.]],
    [[0., 0., 0.],
     [0., 0., 0.],
     [0., 0., 0.],
     [0., 0., 0.],
     [0.75519416, 0.25214197, 0.45477072]],
    [[0., 0., 0.],
     [0., 0., 0.],
     [0., 0., 0.],
     [0., 0., 0.],
     [0.05180197, 0.64204567, 0.81518423]],
    [[0., 0., 0.],
     [0., 0., 0.],
     [0., 0., 0.],
     [0., 0., 0.],
     [0., 0., 0.]],
    [[0., 0., 0.],
     [0., 0., 0.],
     [0.07430683, 0.18580811, 0.66368306],
     [0., 0., 0.],
     [0., 0., 0.]]
])

当前实现与痛点 #

目前用嵌套循环实现像素赋值，但性能极差——我的非规则图像尺寸为4096×80，循环耗时严重：

for i in range(len(rounded_pixel_map)):
    for j in range(len(rounded_pixel_map[i])):
        pixel_coords = rounded_pixel_map[i][j]
        pixel_value = poorly_shaped_img[i][j]
        new_img[pixel_coords[0], pixel_coords[1]] = pixel_value

另外，实际生成非规则图像时使用了双线性插值，映射数组中的索引为浮点型，需要通过反向插值得到整数索引对应的正确像素值。

需求 #

• 用向量化操作替代循环，实现高效的像素赋值
• 处理浮点型映射索引的反向插值逻辑

内容的提问来源于stack exchange，提问作者Ross Davidson