基于映射字典替换二维数组指定维度值（HSV图像饱和度调整）

问题说明 #

需要实现以下操作：遍历嵌套列表中的每个子列表，若子列表第一个元素匹配指定字典的键，则将该子列表的第二个元素替换为字典对应的值。该逻辑可直接适配HSV格式图像的色相-饱和度映射需求（类似After Effects中的色相饱和度曲线功能）。

示例：
原列表：

L = [[1,2,3],[4,5,6],[7,8,9]]

映射字典：

D = {'1':50, '4':10, '7':20}

处理后结果：

[[1,50,3],[4,10,6],[7,20,9]]

解决方案 #

1. 原地修改原嵌套列表 #

直接遍历原列表，对符合条件的子列表进行修改，适合不需要保留原数据的场景：

L = [[1,2,3],[4,5,6],[7,8,9]]
D = {'1':50, '4':10, '7':20}

for sublist in L:
    hue_key = str(sublist[0])  # 转字符串匹配字典键
    if hue_key in D:
        sublist[1] = D[hue_key]  # 替换第二个元素

print(L)  # 输出: [[1,50,3],[4,10,6],[7,20,9]]

2. 生成新列表（保留原数据） #

如果需要保留原始列表，用列表推导式生成新列表：

L = [[1,2,3],[4,5,6],[7,8,9]]
D = {'1':50, '4':10, '7':20}

new_L = [
    [sublist[0], D[str(sublist[0])], sublist[2]] if str(sublist[0]) in D else sublist.copy()
    for sublist in L
]

print(new_L)  # 输出修改后的新列表
print(L)      # 原列表不受影响

3. HSV图像场景高效实现 #

处理OpenCV读取的HSV图像（numpy数组格式）时，用向量化操作替代逐像素遍历，效率更高：

import numpy as np

# 模拟HSV图像，形状为(高度, 宽度, 3)，通道顺序H、S、V
hsv_img = np.array([
    [[1,2,3], [4,5,6]],
    [[7,8,9], [2,10,11]]
], dtype=np.uint8)

# 色相-饱和度映射字典
hue_sat_map = {'1':50, '4':10, '7':20}

# 创建映射数组，适配OpenCV的H通道范围（0-179）
max_hue = 180
sat_mapping = np.arange(max_hue, dtype=np.uint8)
for hue_str, sat_val in hue_sat_map.items():
    hue = int(hue_str)
    if 0 <= hue < max_hue:
        sat_mapping[hue] = sat_val

# 批量替换饱和度通道
hsv_img[..., 1] = sat_mapping[hsv_img[..., 0]]

print(hsv_img)

小贴士 #

• 注意字典键的类型：示例中字典键是字符串，需将子列表的数值型第一个元素转为字符串后再匹配，避免类型不匹配导致查找失败。
• 图像处理优先用向量化操作：逐像素遍历在大尺寸图像上会非常慢，numpy的向量化操作能显著提升处理速度。
• 数据备份：如果原始数据需要保留，一定要用生成新列表/数组的方式，避免原地修改造成数据丢失。

内容的提问来源于stack exchange，提问作者rummy rummyrum