如何在NumPy中将整数矩阵转换为整数列表构成的矩阵？

核心需求是将每个32位整数解码为ARGB四通道数组，用vstack反复创建副本效率极低，推荐用NumPy的向量化位运算或内存视图转换，这两种方法都能避免不必要的内存复制。

方法一：位运算提取通道（直观可控） #

利用32位整数的位结构，通过右移和掩码操作直接提取每个通道，最后合并为三维数组：

import numpy as np

# 初始3x3的32位整数矩阵
img = np.array([[1,2,3], [1,2,3], [1,2,3]], dtype=np.uint32)

# 提取ARGB各通道（假设32位格式为：A<<24 | R<<16 | G<<8 | B）
alpha = (img >> 24) & 0xFF  # 提取最高8位（Alpha）
red = (img >> 16) & 0xFF    # 提取次高8位（Red）
green = (img >> 8) & 0xFF   # 提取中间8位（Green）
blue = img & 0xFF           # 提取最低8位（Blue）

# 合并为(高度, 宽度, 4)的ARGB数组
argb_img = np.stack([alpha, red, green, blue], axis=-1)

方法二：内存视图转换（极致高效） #

直接将32位整数数组的内存视图转为8位整数，再重塑为三维结构，完全避免内存复制：

import numpy as np

img = np.array([[1,2,3], [1,2,3], [1,2,3]], dtype=np.uint32)

# 将uint32数组转为uint8视图（共享原内存）
argb_raw = img.view(np.uint8).reshape(img.shape + (4,))

# 注意：系统端序会影响通道顺序，小端系统下原始顺序是B,G,R,A，需反转得到ARGB
argb_img = argb_raw[..., ::-1]

为什么比vstack好？ #

• vstack每次拼接都会创建新数组副本，反复操作会导致内存占用飙升、效率低下；
• 上述两种方法都是向量化操作，位运算仅需几次数组级计算，视图转换完全共享原内存，性能提升显著。

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