二维图像沃尔什-哈达玛变换分析系统

资 源 简 介

本项目旨在利用MATLAB平台实现二维数字图像的沃尔什-哈达玛变换（Walsh-Hadamard Transform, WHT）及其逆变换。功能涵盖了从基础的哈达玛矩阵生成到复杂的图像频域分析的全过程。具体功能包括：1. 变换矩阵生成：能够根据输入图像的尺寸自动构建对应阶数的哈达玛矩阵，支持基于克罗内克积的递归算法生成，确保矩阵的正交特性；2. 正向变换实现：对输入的二维灰度图像进行离散沃尔什-哈达玛变换，将图像色彩空间数据转换为序率域（Sequency Domain）系数，有效提取图像的纹理和边缘特征；3. 频谱可视化：将变换后的系数矩阵进行对数动态范围压缩和归一化处理，生成可视化的沃尔什频谱图，直观展示图像能量在不同序率下的分布情况；4. 逆变换与重构：基于变换系数执行逆沃尔什-哈达玛变换（IWHT），精确重构原始图像，验证算法的数学可逆性；5. 压缩与滤波模拟：提供基于系数截断的图像压缩模拟功能，允许用户选择保留低频系数的比例，观察重构图像的质量变化，适用于演示图像压缩原理。此外，系统还会计算重构图像与原图之间的均方误差（MSE）和峰值信噪比（PSNR），以量化评估变换的精度和效果。

详 情 说 明

二维图像沃尔什-哈达玛变换分析与处理系统

项目介绍

本项目基于 MATLAB 平台构建，旨在全面实现并演示二维数字图像的沃尔什-哈达玛变换（Walsh-Hadamard Transform, WHT）及其逆变换过程。系统不仅实现了从基础的变换矩阵生成到图像频域转换的核心算法，还集成了频谱分析、基于系数截断的图像压缩模拟以及图像质量客观评价等功能。该系统能够直观地展示图像在序率域（Sequency Domain）的能量分布特征，验证了算法的可逆性，是理解正交变换与图像压缩原理的有效工具。

功能特性

• 智能图像加载与预处理：具备鲁棒的图像读取机制，支持加载系统内置图像或在缺省情况下自动生成合成测试图像；自动处理彩色转灰度及尺寸调整。
• 变换矩阵构建：利用递归算法生成自然序哈达玛矩阵，并进一步将其重排为适合频域分析的沃尔什序（序率序）矩阵。
• 频域变换与可视化：执行二维离散沃尔什-哈达玛变换，并通过对数变换和伪彩色映射将不可见的频谱系数转化为可视化的热力图。
• 无损逆变换验证：通过逆变换算法精确重构原图，并计算客观指标以验证数学运算的正确性。
• 图像压缩模拟：基于能量集中特性，支持按比例保留大幅值系数，模拟有损压缩过程。
• 质量客观评价：内置均方误差（MSE）和峰值信噪比（PSNR）计算模块，定量评估压缩前后的图像质量差异。

系统实现逻辑详解

本项目的主程序严格遵循以下逻辑流程进行处理：

1. 图像加载与自适应预处理

程序首先尝试读取标准的 cameraman.tif 图像；若文件缺失，则降级尝试 peppers.png；若两者均不存在，则自动生成一张包含正弦波纹理的棋盘格合成图像。 加载后，系统检测图像通道数，若是彩色图像则转换为灰度图。随后，程序计算图像尺寸，将其缩放至最近的 $2$ 的幂次方（如 $256 times 256$ 或 $512 times 512$），以满足哈达玛变换对矩阵阶数的要求。

2. 变换矩阵的生成与重排

系统不调用 MATLAB 内置函数，而是通过递归算法（Sylvester构造法）从 $1 times 1$ 基矩阵出发，构建出 $N times N$ 阶的自然序哈达玛矩阵。 为了便于频率分析，程序进一步通过计算每行元素的符号变化次数（过零率），将自然序矩阵重排为沃尔什序（Sequency Order）。重排后的矩阵行按频率从低到高排列，使得生成的频谱图中心对应低频分量。

3. 正向二维变换 (WHT)

利用生成的沃尔什矩阵 $H$，对预处理后的双精度图像矩阵 $I$ 执行矩阵乘法运算。变换公式采用 $W = H cdot I cdot H$，将空间域数据转换为序率域系数。 为了直观展示频谱，程序对系数矩阵 $W$ 取绝对值后进行对数变换（$log(1+|W|)$），并归一化到 $[0, 1]$ 区间，最终使用 jet 伪彩色图谱进行显示。

4. 逆变换与完美重构验证 (IWHT)

基于公式 $I_{rec} = frac{1}{N^2} (H cdot W cdot H)$ 执行逆变换。由于哈达玛矩阵是对称且正交的，逆变换利用了这一特性。程序将重构结果转回 uint8 格式，并计算其与原图的 PSNR 值，验证实现过程是否达到“完美重构”标准（即误差极小）。

5. 基于系数截断的压缩模拟

系统模拟了图像压缩过程：

1. 将所有变换系数按绝对值大小降序排列。
2. 设定保留比例（默认为 10%），计算阈值。
3. 构建掩膜，保留大于等于阈值的系数，将剩余 90% 的系数置零（高频截断）。
4. 基于截断后的稀疏系数矩阵执行逆变换，生成压缩重构图像。

6. 结果可视化与误差分析

程序在一个窗口内分割出 8 个子图，分别展示：原始图像、沃尔什矩阵样本、WHT 频谱、完美重构图像、压缩后频谱、压缩重构图像、差值残差图（错误分布）以及文本统计信息。 统计信息实时显示当前处理尺寸、完美重构的 MSE 误差（通常接近 0）、实际压缩造成的零系数比例，以及压缩后图像的 MSE 和 PSNR 指标。

关键算法与函数剖析

• generate_hadamard(n)

采用递归分治思想实现。当 $n=1$ 时返回 1；对于 $n>1$，利用克罗内克积原理，由 $n/2$ 阶矩阵构建 $[H, H; H, -H]$ 形式的 $n$ 阶矩阵。该算法确保生成的矩阵具有严格的正交性。

• hadamard_to_walsh(H_natural)

实现了序列重排算法。它遍历输入矩阵的每一行，统计行向量中相邻元素符号改变的次数（即过零点数）。统计完成后，根据过零点数从小到大（0 到 $N-1$）对矩阵的行进行重新排序，从而将自然序转为序率序。

• calc_metrics(img_orig, img_recon)

标准的图像质量评价函数。它计算两幅图像像素差值的平方均值（MSE），并据此计算峰值信噪比（PSNR）。该函数包含防止 MSE 为 0 导致除零错误的处理逻辑。

系统要求

• 软件环境：MATLAB R2016a 或更高版本。
• 工具箱：需安装 Image Processing Toolbox（用于 imread, rgb2gray, imresize 等基础函数）。

使用方法

1. 确保 MATLAB 的当前工作目录包含 main.m 文件。
2. （可选）将 cameraman.tif 或 peppers.png 图片放置在同一目录下，否则系统将使用自动生成的图像。
3. 直接运行 main 函数。
4. 系统将自动弹出图形窗口，展示从变换、频谱分析到压缩重构的完整流程图表及性能指标。