我现在有一个单应性矩阵M，一张原图像srcImg，给定dstSize为dstH*dstW的一张新图，怎么用python实现使用矩阵乘法从srcImg到dstImg的变换

使用OpenCV库中的cv2.warpPerspective()函数可以实现这个过程。具体的实现步骤见下面的代码示例：

import cv2
import numpy as np

# 定义原始图像
srcImg = cv2.imread("path/to/srcImg.jpg")
srcH, srcW = srcImg.shape[:2]

# 定义变换矩阵M
M = np.array([[0.8, -0.2, 50],
              [0.1, 0.9, 20],
              [0, 0, 1]])

# 定义目标图像大小
dstH, dstW = 400, 600

# 调用cv2.warpPerspective()函数实现变换
dstImg = cv2.warpPerspective(srcImg, M, (dstW, dstH))

# 显示原始图像和变换后的图像
cv2.imshow("srcImg", srcImg)
cv2.imshow("dstImg", dstImg)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，先通过cv2.imread()函数读入原始图像，并获取其高度和宽度。然后，定义变换矩阵M，这里是一个2D的仿射变换矩阵，可以根据具体需求进行修改。接着，定义目标图像的高度和宽度，注意这里是目标图像的大小，而不是变换后的图像相对于原图像的偏移量。最后，调用cv2.warpPerspective()函数实现将原始图像srcImg按照矩阵M的变换映射到目标图像dstImg。最后，通过cv2.imshow()函数显示原始图像和变换后的图像。

注意：实现变换的过程中，需要保证变换后的图像不会超出目标图像的大小，否则会出现图像截断的情况。