前景提取(Foreground Extraction)与图像合成(Image Composition)是图像处理中的基本操作,也是视觉特效制作中是最重要和最常用的操作。在杂志、二维图形艺术、电视、广告等领域也有广泛的应用。前景提取根据图像中是否有半透明像素,可分为前景分割(ForegroundSegmentation)与前景抠图(Foreground Matting)两类。本论文简要介绍了图像前景提取技术的研究背景及其研究现状,并分析比较了多种算法的优缺点。本论文的主要工作包括:●研究并实现了懒人分割系统(Lazy Snapping),它是一种交互式的图像前景提取工具。该系统将图分割算法与分水岭算法结合起来,能够提供及时的视觉反馈。该系统实现了一种直观的用户界面,为用户提供了灵活的控制和编辑能力。●研究并实现了鲁棒抠图算法(Robust Matting),它结合了基于采样的抠图算法和基于传播的抠图算法的优点,同时弥补了它们的缺陷。该算法使用优化颜色采样算法进行采样,并同时计算样本点的信度(Confidence),只选择具有高信度的样本点来计算估计掩膜值(Matte),然后使用Random Walk算法优化估计值。实验结果说明了该算法的优越性。●把多种前景分割算法和前景抠图算法进行集成,实现了一个图像前景提取应用系统。系统提供前景分割、创建提示图像(Trimap)、前景抠图等多种功能。系统集成了懒人分割(Lazy Snapping)、贝叶斯抠图(BayesMatting)、鲁棒抠图等算法。该系统具有一定的应用价值。