众所周知，Matlab的矩阵操作给运算带来极大的方便。但有时候遇到一些问题，第一时间想到的解决方案是for循环，但说实话，对于某些大的程序，for循环消耗的资源太大；即使有时候for循环能解决问题，对于完美主义者，还是想精简再精简。遇到这个时候，转换思维方式，往往用变换矩阵的方式就能解决问题。

最近也是在探索总结中，此处举一简单例子。

Matla中定义图像特征的非相似度，如下公式所示：

传统方案：for循环

sum = 0;
for i =1:Ng
    for j =1:Ng
         sum = sum +abs(i-j).*P(i,j)
    end
end

Matrix_i = repmat([1:Ng]',1,Ng);
Matrix_j = repmat([1:Ng],Ng,1);
Sub = abs(Matrix_i - Matrix_j);
Dissi = sum(sum(Sub.*P));

此处先做简答总结，以后遇到更多例子再补充。