抠图是指将前景图像从一幅图像中分离出来的技术。在影视制作、商业广告和家庭娱乐等领域有着广泛的应用。根据掩膜图像取值0、1还是取值0到1,数字抠图技术可分为0-1抠图和alpha抠图。目前存在的抠图技术需要大量的人工交互,这对专业化要求很高,半自动化抠图算法能减少人工交互量,但其效果不理想,运行时间较长。本文对Graph Cuts算法进行了研究,在超像素算法的基础上进行了改进,提出了基于Sp-Graph-Cut的数字抠图技术。在减小交互量的情况下,不仅抠图效果好,而且运算速度也得到了明显的提高。首先,为了有效的减少图像局部信息的冗余,使图像处理的复杂度大大降低。本文采用超像素生长算法对图像进行预处理,使得构成图的节点数大大减少,加快了 Graph Cuts算法的运算速度。同时本文使用了将边缘、颜色、形状和纹理特征结合的超像素描述算子,与传统的使用单一特征描述的超像素块相比,能更好的描述超像素的特征,在衡量超像素间的相似度时有更好的表现。其次,本文对Graph Cuts算法生成前景标记图像进行分类和聚类学习,针对目前常用的SCC算法,其分类和聚类任务都依赖于类的聚类后验概率,且它不能应用于半监督场景中。本文对其做了一下改进,引入了拉普拉斯正则化项,得到一种新的方法,即SemSR算法,其运算速度相比SCC算法大约高出一个数量级,而且SemSR能通过流形正则化的方法比较容易的推广到半监督场景中。最后,本文介绍了导向滤波器和Alpha通道相关原理,并阐述了选择导向滤波器算法来进行Alpha抠图的原因。实验结果较为理想,能够较快的完成抠图,并且抠图效果得到了明显的提高。因此,本文基于Sp-Graph-Cut算法的数字抠图技术具有可行性和有效性。