计算机视觉是计算机科学与人工智能领域的一个研究热点，广泛地应用在工业、医学、交通、军事等各个领域。形状分析又是计算机视觉领域中非常基础的一个方面。形状分析方法以饱含形状信息的二值或灰度图像作为输入，以包含形状特征的数值化或非数值化信息为输出，其目的在于让计算机能够像人类那样对各种形状进行分类和识别。从60年代以来，形状分析领域的研究发展非常迅速，已经提出了许多基于不同原理的形状分析方法，但至今为止，诸如形状的扭曲、遮挡、缺损等变化一直没有十分完善的解决方法；也很少有方法在强噪声的影响下能够稳定地工作。 本文的主要工作是提出了两种形状分析方法，通过两种不同的角度尝试解决以上的问题。其中，旋转扫描法从切向对形状进行分解，通过可变的特征函数定义来适应各种特性的形状变化，同时通过恒定的扫描过程对特征函数进行连接。圆周分解法则将图像从径向进行分解，得到图像函数在一系列半径大小上的投影。两种方法都通过傅立叶变换来减小噪声和其他形变或扰动对分析过程造成的影响。 本文提出的两种方法都有统一的处理模式，即它们的运算过程与形状本身的特性无关，无论形状是否有连续的边界、是否连通、复杂程度如何，处理过程都是恒定不变的。另外，这两种方法都能够同时应用于二值和灰度图像的分析。 文章通过一系列的实验对所提出的两种方法以及部分现存的形状分析方法的特性进行了比较，并在最后通过一个实际应用验证了新方法的有效性。