今晚阅读此信号处理堆栈交换文章后，Walsh Hadamard 变换是什么？如何在图像处理中使用它？之后，我开始对应用 Walsh-Hadamard 变换在从商用飞机驾驶舱看到的彩色图像的局部空间区域中过滤三类 24 位 RGB 颜色值（真蓝或真绿或树红）中的一种产生兴趣。

在彩色图像处理和应用一书中，作者 Konstantinos Plataniotis、Anastasios N. Venetsanopoulos 指出，RGB 空间不是压缩的有效表示，因为图像能量在它们之间平均分布，因此三种颜色分量之间存在显着相关性空间上和光谱上。

一种解决方案是应用 RGB 颜色信号的正交分解，以便将彩色图像数据压缩到更少的通道中。常用的 YIQ、YUV 和 YCBCR 颜色空间是基于这些原则的颜色空间的示例。由此产生的亮度色度分解表现出来自亮度分量的不均匀能量分布，其中可以找到绝大多数精细细节高频

我想应用彩色图像 YUV 或 YUV（或类似于 HSV 的 YCbCrYCbCr）压缩，以理论上在从商用飞机驾驶舱看到的彩色图像的局部空间区域中几乎实时过滤 RGB 颜色坐标。空间定位的原因是我们不希望在投影给商用客机飞行团队的彩色图像中从各处均匀地减去绿色。

请考虑论文，通过 Hadamard 变换进行 NTSC 分量分离，发表于：视觉、图像和信号处理，IEE Proceedings -（卷：141，问题：1）1994 年 2 月，第 27-32 页，作者 M. Coley 和 J . 纽约理工学院的 Barba 提出了一种将 NTSC 复合信号分离为其分量（Y、I、Q）的技术，方法是将 N×N Hadamard 变换直接应用于以四倍彩色副载波采样的复合信号。它们表明 Y、I、Q 分量信号被映射到 Hadamard 域中的特定区域。通过为每个分量信号分配特定的变换系数来实现分量分离。给出了应用于五种彩色图像和一种黑白测试图案的分量分离仿真结果。给出了信噪比和主观结果。结果表明，在典型的彩色图像中预计不会出现明显的退化。

我有兴趣将 RGB 颜色过滤限制在由 MIT Lincoln Labs [27] Kelly, MW 和 Blackwell, MH 开发的传感器阵列的每个像素处理所获得的彩色图像的小局部空间区域，“数字像素 FPA增强红外成像能力，”Laser Focus World 49(1), 90 (2013)。或斯坦福大学电气工程和计算机科学系，[28] Wan, G., Li, X., Agranov, G., Levoy, M. 和 Horowitz, M.，“具有多桶像素的 CMOS 图像传感器计算摄影，”IEEE J. 固态电路 47(4), 1031–1042 (2012)。