随着高速计算机和大规模集成电路的发展，数字图像处理技术取得了一系列可喜的突破和进展，其成果被广泛应用于生物医学工程、工业制造、空间探索、公共安全、文化艺术等众多领域。然而，数字图像处理技术本身依然存在许多问题，阻碍了它的进一步发展和推广。其中，大数据量问题就是目前图像处理技术面临的一个主要难题。庞大的数据量给存储、传输和处理都带来巨大困难。为此，近几十年来，科研人员针对图像数据的精简问题进行了大量研究，并提出了多种有益的解决方案，例如图像压缩技术、图像简约量化技术及图像感兴趣区域检测技术等。但时至今日图像数据的精简问题仍未得到圆满解决。本论文在图像简约量化和图像显著区域检测两方面均做了一些新的探索，具体的工作如下：首先，在图像二值化方面，研究发现已有全局二值化算法无法确保在单阈值条件下保留图像尽可能多的细节信息，导致算法的鲁棒性及普适性较差。针对上述问题，本文提出了一种新的累计边缘点灰度动态范围直方图，这种新型直方图能判断不同阈值选取所能保留重要跃变信息的比例，因此当阈值选取直方图的峰值所对应的灰度时，可以确保最大限度地保留图像的重要细节信息。针对背景或光照条件复杂的图像，本文在全局二值化算法基础上，进一步提出了局部自适应二值化算法。与其他同类算法（如Niblack算法）相比，本文提出的自适应二值化算法在速度和抗噪两方面均具有明显优势。其次，在图像多级量化方面，研究发现已有的多级量化算法无法自适应地确定合适的量化级数，大多只能靠手动设置完成。针对上述问题，本文提出了累计边缘点逐级剔除策略的图像多级量化算法。当每一级阈值确定后，剔除该阈值所能区分的边缘点，重新计算剩余的边缘点的累计边缘点灰度动态范围直方图，这样可确保下一级阈值依然取到最佳阈值，当累计剔除边缘点总数与总边缘点数之比达到给定值时阈值选取自动结束。与其他同类算法相比，这种逐级最佳阈值选取策略具有更强的鲁棒性。实验测试表明，本文算法不仅能自适应地确定合适的量化级数且在量化级数相同的条件下更好的再现原始图像。最后，在图像感兴趣区域检测方面，研究发现经典的Itti模型由于感兴趣区域检测仅依据场景的二维平面图像，因此其显著区域的检测结果与人眼通过双目立体视觉判断的结果存在一定的偏差。针对上述问题，本文提出了引入三维深度信息的图像感兴趣区域检测方法。三维深度信息由微软最新推出的Kinect深度信息采集装置获取。通过将深度信息与其它亮度、朝向及颜色信息融合，采用中央周差策略计算生成三维场景的显著图，利用该显著图可获得与人眼视觉判断结果更吻合的感兴趣区域检测结果。