转置与重塑：实现RGB图像与3×3矩阵相乘是否有更优雅方法？

首先得指出，你当前的代码其实没有真正执行与3×3矩阵相乘的核心操作，而且两次primaries = primaries';完全抵消，等于没做任何变换，最终结果和原图像一致。接下来我会分享几种更简洁、高效的实现方式，适配MATLAB的特性：

方法1：利用reshape的自动维度计算（最常用、高效） #

这种方式通过将图像像素展平为N×3的矩阵（N为总像素数），直接完成矩阵乘法后再恢复原形状，是MATLAB中处理此类像素级变换的标准做法：

% 假设你的3×3变换矩阵为M（根据你的需求定义，比如颜色空间转换矩阵）
M = rand(3,3); 

% 获取图像维度，用~忽略第三维的通道数（固定为3）
[fil, col, ~] = size(image);

% 展平图像为N×3矩阵，每行对应一个像素的RGB值
pixel_matrix = reshape(image, [], 3);

% 执行矩阵乘法：这里根据你的变换逻辑选择左乘/右乘
% 如果是行向量（1×3）乘矩阵，用pixel_matrix * M
% 如果是矩阵乘列向量（3×1），用M * pixel_matrix' 再转置回来
transformed_pixels = pixel_matrix * M;

% 恢复为原图像的维度
result = reshape(transformed_pixels, fil, col, 3);

优化点： #

• 用reshape(image, [], 3)代替手动计算fil*col，MATLAB会自动推导第一维的大小，代码更简洁且不易出错
• 去掉了无意义的重复转置，逻辑更清晰

方法2：利用MATLAB的广播机制（无需reshape，更直观） #

从MATLAB R2020b开始，支持直接对高维数组进行广播式矩阵乘法，无需手动展平：

M = rand(3,3);
% 直接让图像（fil×col×3）与3×3矩阵相乘，MATLAB会自动对每个像素的RGB向量执行乘法
result = image * M;

如果你的变换是矩阵左乘列向量（new_rgb = M * old_rgb），可以这样写：

result = permute(M * permute(image, [3,1,2]), [2,3,1]);

这里通过permute调整维度，让图像的通道维度变为第一维（3×fil×col），与3×3矩阵相乘后再恢复原维度顺序。

方法3：使用pagefun（兼容旧版本MATLAB） #

如果你的MATLAB版本不支持广播乘法，可以用pagefun对每个像素应用变换：

M = rand(3,3);
% 对每个像素的RGB向量（1×3）执行矩阵乘法
result = pagefun(@(rgb) rgb * M, image);

关键注意事项： #

• 务必明确你的变换矩阵的乘法方向：是行向量乘矩阵，还是矩阵乘列向量，这会直接影响结果的正确性
• 如果处理的是uint8类型的图像，建议先转换为double类型再做乘法，避免数值溢出，最后再转回uint8

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