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编码程序进行解码; 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。

要在MATLAB中使用Huffman编码对`'wpeppers.png'`图像进行压缩、解码并分析其性能指标，你需要按照以下步骤操作：

1. 加载图像：

image = imread('wpeppers.png');

2. 将图像转换为灰度图像（如果原图不是灰度的）：

grayImage = rgb2gray(image);

3. 创建一个频率直方图（用于构建Huffman树）：

histogramData = imhist(grayImage, 256); % 使用256个离散等级

4. 构建Huffman树和创建编码表：

[~, ~, code] = huffmandict(histogramData);

5. 使用编码表对图像数据进行压缩：

compressedData = HuffmanEncode(grayImage(:), code);

6. 对压缩的数据进行解码：

decodedData = HuffmanDecode(compressedData, code);

7. 显示原始图像、灰度图像和解码后的图像：

subplot(2, 2, 1)
imshow(image)
title('Original Image')

subplot(2, 2, 2)
imshow(grayImage, [])
title('Grayscale Image')

subplot(2, 2, 3)
imshow(decodedData, []);
title('Decoded Image (Reconstructed)')

8. 计算压缩后的文件大小、压缩比、信息熵以及编码效率：

% 原始数据大小
originalFileSize = whos('grayImage').bytes;

% 压缩后数据大小
compressedFileSize = whos('compressedData').bytes;

% 压缩比
compressionRatio = originalFileSize / compressedFileSize;

% 计算平均码长
averageCodeLength = sum(histogramData .* log2(histogramData + 1));

% 信息熵
informationEntropy = -sum(histogramData ./ (sum(histogramData) + eps) * log2(histogramData ./ (sum(histogramData) + eps)));

% 编码效率 = 平均码长 / 信息熵
encodingEfficiency = averageCodeLength / informationEntropy;

% 输出结果
fprintf('Average Code Length: %.2f bits\n', averageCodeLength)
fprintf('Compression Ratio: %.2f\n', compressionRatio)
fprintf('Information Entropy: %.2f bits\n', informationEntropy)
fprintf('Encoding Efficiency: %.2f bits per bit\n', encodingEfficiency)