针对你遇到的问题——纯黑白二值图（二维矩阵）无法直接使用仅支持RGB三维矩阵的imScrambleRand函数，这里有两种实用的解决思路：

方法一：将二维二值图转换为三维矩阵适配工具函数 #

你完全可以把二维二值图扩展成RGB格式的三维矩阵，具体操作是把二值图复制三次填充三个通道。因为imScrambleRand对三个通道的打乱逻辑一致，处理后三个通道的像素分布完全相同，最后取任意一个通道就能还原回二维二值图。

具体代码示例：

% 假设 img 是你的二维二值矩阵
img_3d = repmat(img, [1 1 3]); % 将二维矩阵复制为3通道的三维矩阵
shuffled_3d = imScrambleRand(img_3d); % 使用工具函数打乱
shuffled_img = shuffled_3d(:,:,1); % 取第一个通道转回二维二值图

这种方法完全兼容你找到的工具包，操作简单，不会改变二值图的像素信息。

方法二：直接实现二值图的像素打乱（无需依赖工具包） #

其实对于二值图来说，自己实现随机打乱反而更高效，不需要额外的维度转换。核心思路是把二维矩阵展平为一维向量，随机打乱后再恢复原尺寸：

具体代码示例：

% 假设 img 是你的二维二值矩阵
% 1. 将二维矩阵展平为一维向量
img_flat = img(:);
% 2. 生成随机索引打乱向量
shuffled_flat = img_flat(randperm(numel(img_flat)));
% 3. 将打乱后的向量恢复为原矩阵尺寸
shuffled_img = reshape(shuffled_flat, size(img));

这里randperm函数会生成一组随机排列的索引，用它重新排列一维向量的元素，最后通过reshape还原成原来的二维矩阵，完美实现像素随机打乱的需求，而且不需要依赖任何第三方工具。

两种方法都能满足你的需求，如果你已经习惯使用找到的工具包，方法一很适合；如果想更轻量高效，方法二更推荐。

内容的提问来源于stack exchange，提问作者s.gastaldon