随着计算机应用技术的不断发展，图像信号扮演着越来越重要的角色。许多信息均可以通过图像方式进行存储和传送，由于存储空间和信道容量的限制，图像信息必须经过压缩或量化处理后才能进行。因此，对颜色图像进行量化是图像压缩处理的关键技术，即在尽可能完美地再现原始图像色彩效果的前提下大量减少图像中的冗余信息，以达到图像压缩(量化)处理的目的。颜色量化算法是从原图像中选择最优的k种颜色代表，然后用k种颜色来重构原图像从而达到减少冗余信息、降低存储容量的目的。 目前，对于颜色量化算法的研究主要集中在基于边缘和空间特征方法上，这些方法的引用不仅在颜色选择上，而且在重构图像上。本文分别分析了几种传统方法的优缺点，同时强调了在重现图像时引入边缘信息和空间特征的重要性，本文算法也引入了自反馈策略来控制程序的运行。 本文研究的方法和结果如下：1)首先对图像进行预量化处理，从而减少图像在颜色量化处理时的时间和空间需求；2)在已有算法的基础上，运用一种新的聚类量化算法，该方法和传统方法相比更能产生比较好的视觉效果；3)由于该算法处理比较复杂的纹理图像时会产生假轮廓现象，所以在量化图像前后引入了边缘信息并调用自反馈策略控制图像空间程序的执行；4)本文的实验表明：采用每个分量6位预量化处理结果比采用每个分量5位预量化结果要好；5)在图像重构时采用新的最邻近代表集。