1. huffman编码 选择图像( ‘wpeppers.png‘)作为研究对象； 调用Huffman编码程序进行压缩; 调用Huffman译码程序进行解码; 显示原始图像，灰度化图像和经编码解码后的图像; 计算压缩后的图像文件的平均码长、压缩比、信息熵及编码效率。

Huffman编码是一种数据压缩算法，特别适用于无损压缩，它是基于字符出现频率的概率来进行编码的。在Huffman编码中，最常出现的字符会被赋予较短的二进制编码，而较少出现的字符则被分配较长的编码，从而达到整体上减少存储空间的目的。

对于给定的问题，你可以按照以下步骤操作：

1. **加载图像**:
使用`imread`函数加载 'wpeppers.png' 图像：

   img = imread('wpeppers.png');

2. **灰度化处理**:
如果原图是彩色的，你可以使用`rgb2gray`将其转换为灰度图像：

   gray_img = rgb2gray(img);

3. **Huffman编码**:
首先，你需要统计每个像素值（灰度级）出现的次数，然后创建一个Huffman树。Matlab本身可能没有内置的Huffman编码工具，但你可以编写一个自定义函数或使用第三方库如`Communications Toolbox`中的`huffenco`函数：

   if isToolboxAvailable('Communications')
       [codewords, freq] = huffenco(gray_img(:));
   else
       % 自定义Huffman编码
       % ...
   end

4. **Huffman编码与解码**:
将灰度值映射到Huffman编码：

   encoded_img = zeros(size(gray_img));
   for i = 1:numel(freq)
       encoded_img(find(gray_img == freq(i).level), :) = codewords{i};
   end

使用相同的Huffman树解码编码后的图像：

   decoded_img = decode(encoded_img, codewords); % 假设decode函数已存在

5. **显示原始和处理后的图像**:

   figure;
   subplot(2, 2, 1), imshow(img), title('Original Image');
   subplot(2, 2, 2), imshow(gray_img), title('Grayscale Image');
   subplot(2, 2, 3), imshow(decoded_img), title('Decoded Image');

6. **性能评估**:
- **平均码长**: 计算每个灰度值编码的平均长度。
- **压缩比**: 原始图像大小除以压缩后图像大小。
- **信息熵**: 可以根据灰度值分布计算Shannon熵来估计。
- **编码效率**: 压缩比通常用于衡量编码效率，表示节省了多少存储空间。

由于实际的Huffman编码和解码过程涉及复杂的排序和构建树的操作，上述代码示例并未完全涵盖所有细节，但你应该能从中获取如何开始的线索。如果你需要详细了解这些步骤，可以查阅相关的Matlab文档或者搜索Huffman编码的教程。