ColorMatrix（色彩矩阵），是GDI+里用来调整图片色彩的矩阵。
什么是矩阵，说白了就是C#里的二维数组。
那么这个矩阵调整色彩的原理是什么，他是怎么来调整色彩的呢？这个要从线性代数里的矩阵相乘说起。
以下段落学过线性代数的读者可以跳过，这里我用自己的理解来描述下矩阵相乘的算法和结果。
在线性代数里，两个矩阵相乘，是这样计算的：
A矩阵乘以B矩阵，那么新生成一个矩阵C，C的第N行M列的元素等于A的N行和B的M列逐个元素相乘的和。新生成的矩阵行数等于A的行数，列数等于B的列数。
另外A和B需要满足，A的列数等于B的行数。这就是为了保证，A的每一行上每个元素都能B的每一列上每个元素都能相乘。
即A[m,n] X B[n,p] = C[m,p]
直观的描述下，有矩阵A[2,3]
{
1,2,3
4,5,6
}
和矩阵B[3,2]
{
7 , 8
9 , 10
11, 12
}
那么相乘后生成新矩阵C[2,2]
{
1*7+2*9+3*11,1*8+2*10+3*12
4*7+5*9+6*11,4*8+5*10+6*12
}
好了，矩阵的概念描述到此。以下就说说GDI+里的色彩矩阵。
在计算机里，一副图片可以看成是点的集合。虽然图片有宽和高的概念，看起来是二维的，其实在处理时我们完全可以把宽、高看成是图片的属性，和点无关，把图片的所有点看成是一维数组。
而点本身是红绿蓝的集合，现在计算图形中再加入一个Alpha值（表示透明度），那么就是4个属性的集合，这样一副图片就成了二维的数组了，也就是标准的矩阵了。
那么一副4个点的图片描述成矩阵就是P[4,4]
{
R1,G1,B1,A1
R2,G2,B2,A2
R3,G3,B3,A3
R4,G4,B4,A4
}
当我们把这个矩阵和另一个4X4的矩阵M
{
rr,gr,br,ar
rg,gg,bg,ag
rb,gb,bb,ab
ra,ga,ba,aa
}
相乘时，就会生成一个新的矩阵，新矩阵和原矩阵元素数量相同（不信可以用[5,4]、[6,4]矩阵和它相乘看看），并且新矩阵的每个元素，都发生了有趣的变化。我们来看看结果，新矩阵NP：
{
R1*rr+G1*rg+B1*rb+A1*ra,R1*gr+G1*gg+B1*gb+A1*ga,R1*br+G1*rg+B1*bb+A1*ba,R1*ar+G1*ag+B1*ab+A1*aa
......
......
......
}
可以看到，新矩阵第一行（也就是新的图片的第一个点）的R,G,B,A都等于原图片的第一个点的所有RGBA新的混合值了。也就说，通过矩阵相乘，可以在图片原来的基础上改变新图片RGBA各个分量的值。
同时也能看出来我为什么把M矩阵的各个元素这么命名：rr表示新生成的R分量中原R分量的比例，gr表示新生成G分量中原R分量的比例，br表示新生成的B分量中原R分量的比例。依此类推。
另外再说一点，那就是GDI+中ColorMatrix是个5X5的矩阵，而不是4X4的矩阵，为什么会多出1行和1列呢。
我们来看NP，他的第一个元素是R1*rr+G1*rg+B1*rb+A1*ra，看出什么了吗？那就是只能做3个元素的加法，而不能做负值运算，即如果我想做R1的反色运算（用255减去原来的值）就做不到了，所以GDI+在原来的基础上扩展了一维，虚拟的一维W，这样一个点就变成了R,G,B,A,W。这个多出来的W在平时是不存在的，只有在色彩矩阵运算时才起辅助作用，默认就是255。
我们看加了一维W后NP第一个元素的结果
R1*rr+G1*rg+B1*rb+A1*ra+W1*rw
这样，将rw设为1，rr设为-1，其他为0，那么结果就是255-R1，怎么样，反色运算能完成了。
颜色：
[R,G,B,A,W]
矩阵：
[rr,gr,br,ar,wr]
[rg,gg,bg,ag,wg]
[rb,gb,bb,ab,wb]
[ra,ga,ba,aa,wa]
[rw,gw,bw,aw,ww]
结果颜色：
[R*rr+G*rg+B*rb+A*ra+W*rw, R*gr+G*gg+B*gb+A*ga+W*gw, R*br+G*rg+B*bb+A*ba+W*bw, R*ar+G*ag+B*ab+A*aa+W*aw, R*wr+G*wg+B*wb+A*wa+W*ww]
如果是单位矩阵
[1,0,0,0,0]
[0,1,0,0,0]
[0,0,1,0,0]
[0,0,0,1,0]
[0,0,0,0,1]
那么颜色结果就是
[R*1，G*1,B*1,A*1,W*1]
原文：http://www.cnblogs.com/lersh/archive/2008/07/22/1248713.html