首先說一下一維haar小波的原理。
例如我們有一個一維的影象[2,4,6,8,10,12,14,16].

1. 求均值：我們求相鄰畫素的均值[3,7,11,15]。這個新的影象解析度就成了原來的一半(8/2=4)。

2. 求差值。上面的均值我們儲存了影象的整體資訊。但是很多細節資訊我們丟掉了，所以我們同時要記錄影象的細節資訊，這樣在重構時能夠恢復影象的全部資訊。下面是求第m個差值的公式：

   b[m]=(a[2m]−a[2m+1])/2

經過計算我們得到了結果[-1,-1,-1,-1]。這個新的解析度也成了原來的一半(8/2=4)。
3. 此時上面兩步形成了第一次分解的結果[3,7,11,15,-1,-1,-1,-1]。包含了影象的整體資訊和細節資訊。接下來的分解我們重複1,2步，將整體資訊再次進行分解，得到了二級分解結果[5，13，-2，-2].同樣的，前面的[5,13]是整體資訊，後面的[-2,-2]是細節資訊。

經過三次分解，我們得到了一個整體資訊和三個細節係數，這個就是一維小波變換。

對於二維haar小波，我們通常一次分解形成了整體影象，水平細節，垂直細節，對角細節。首先我們按照一維haar小波分解的原理，按照行順序對行進行處理，然後按照列順序對行處理結果進行同樣的處理。最後形成了如下的形式。

接下來就是程式碼時間了，首先看下程式碼結果:

c++程式碼（opencv版本：opencv3.0）：

    /*************************************************
    Copyright:zhuchen
    Author: zhuchen
    Date:2016-01-10
    Description:多級haar小波變換
    **************************************************/


    # include<opencv2/opencv.hpp>
    # include<iostream>

    using namespace std;
    using namespace cv;

    int
 
 main(){
        Mat img = imread("lenna.bmp",0);
        int Height = img.cols;
        int Width = img.rows;
        int depth = 3;    //定義分解深度
        int depthcount = 1; 
        Mat tmp = Mat::ones(Width, Height, CV_32FC1);
        Mat wavelet = Mat::ones(Width, Height, CV_32FC1);
        Mat imgtmp = img.clone();
        imgtmp.convertTo(imgtmp, CV_32FC1);
        while (depthcount<=depth){
            Width = img.rows / depthcount;
            Height = img.cols / depthcount;

            for (int i = 0; i < Width; i++){
                for (int j = 0; j < Height / 2; j++){
                    tmp.at<float>(i, j) = (imgtmp.at<float>(i, 2 * j) + imgtmp.at<float>(i, 2 * j + 1)) / 2;
                    tmp.at<float>(i, j + Height / 2) = (imgtmp.at<float>(i, 2 * j) - imgtmp.at<float>(i, 2 * j + 1)) / 2;
                }
            }
            for (int i = 0; i < Width / 2; i++){
                for (int j = 0; j < Height; j++){
                    wavelet.at<float>(i, j) = (tmp.at<float>(2 * i, j) + tmp.at<float>(2 * i + 1, j)) / 2;
                    wavelet.at<float>(i + Width / 2, j) = (tmp.at<float>(2 * i, j) - tmp.at<float>(2 * i + 1, j)) / 2;
                }
            }
            imgtmp = wavelet;
            depthcount++;
        }

        namedWindow("jpg",0);
        wavelet.convertTo(wavelet, CV_8UC1);
        wavelet += 50;            //影象暗度過低，所以這裡我加了50
        imshow("jpg", wavelet);
        waitKey(0);
        return 0;
    }