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，要求不使用cv2库函数。

您可以使用numpy库实现矩阵乘法。基本思路是将新图像dstImg初始化为全0矩阵，然后对于dstImg中的每个像素，求其对应原图像中的坐标（通过单应性矩阵M逆向变换），再根据变换后的坐标来计算插值后的像素值。

示例代码如下：

import numpy as np

def apply_homography(srcImg, dstSize, M):
    # 计算单应性矩阵的逆矩阵，用于将dstImg中的像素映射回srcImg上
    invM = np.linalg.inv(M)
    # 初始化目标图像矩阵
    dstImg = np.zeros(dstSize, dtype=srcImg.dtype)
    # 获取源图像的宽/高
    srcH, srcW = srcImg.shape[:2]

    # 对目标图像的每个像素进行遍历
    for y in range(dstSize[0]):
        for x in range(dstSize[1]):
            # 计算目标图像中像素(x, y)在源图像中的坐标
            p = np.dot(invM, np.array([x, y, 1]))
            srcX, srcY = p[0]/p[2], p[1]/p[2]

            # 如果该坐标不在源图像的范围内，则跳过
            if srcX < 0 or srcX >= srcW or srcY < 0 or srcY >= srcH:
                continue

            # 根据坐标的整数部分和小数部分，计算源图像中的4个像素
            x1, y1 = int(srcX), int(srcY)
            x2, y2 = x1+1, y1+1
            fx, fy = srcX-x1, srcY-y1
            p1 = srcImg[y1, x1]
            p2 = srcImg[y2, x1] if y2 < srcH else p1
            p3 = srcImg[y1, x2] if x2 < srcW else p1
            p4 = srcImg[y2, x2] if y2 < srcH and x2 < srcW else p2 if y2 < srcH else p3 if x2 < srcW else p1

            # 对4个像素进行双线性插值，得到目标图像中像素(x, y)的值
            dstImg[y, x] = (1-fy) * ((1-fx)*p1 + fx*p3) + fy * ((1-fx)*p2 + fx*p4)

    return dstImg

在代码中，`srcImg`是原图像，`dstSize`是目标图像的尺寸，`M`是单应性矩阵。函数返回的是经过变换后的目标图像。

注意，为了方便计算，代码中假设了图像中的每个像素值都是单个标量（如灰度图像），如果是彩色图像，需要在计算中考虑每个通道的像素值。