图像着色一直是图像处理领域中的一个活跃且有挑战性的研究课题。最初着色被定义为给黑白视频或图像加上颜色的计算机辅助处理技术,随着时代的发展,着色问题的研究在多方面都有重大的应用价值。着色技术,不仅可以解决早期陈旧的黑白图像或电影的彩色化问题,也可以根据需要给彩色图像和视频重新换色,生成具有多种多样颜色风格的彩色效果。而且由于颜色信息在对视频和图像的数据进行分析时的重要性,着色在医疗、影视、太空探索及其它许多科学和工业领域也有着广泛的应用。图像修复是利用图像的有效信息,按照一定规则修复图像中的损坏部分,使得修复后的图像接近或达到原图像的视觉效果。该项技术在影视特效制作、视频图像差错掩盖、艺术品修复等领域具有广泛应用前景,已成为图像处理领域的研究热点。本文以稀疏表示为理论基础,深入研究其在图像信号表示方面的应用,并在这一基础上,以字典训练的方法为重点,对基于稀疏表示理论的灰度图像着色、图像修复做了具有探索性和创新性的研究,并基于此研究提出了两个算法：灰度图像着色算法与图像修复算法。该着色算法无需进行图像分割是一种自动的全局图像着色和修复算法。图像着色过程中利用图像亮度、特征信息与图像颜色信息之间的相关性,依据参考图像训练出一个亮度-特征-颜色的联合字典；然后计算出目标灰度图像的亮度和特征信息在该字典下的稀疏表示系数；最后利用上述联合字典与计算得到的稀疏表示系数为灰度图像着色。实验结果表明,所提出的算法可以有效地对灰度图像进行着色,对于色调单一的图像,着色效果更好。该修复算法根据大量样本图像与待修复图像内有效数据的稀疏先验知识来指导图像修复。将样本图像特征信息和原始数据信息统一进行稀疏表示,估计学习字典,使它们具有相同的稀疏表示；再根据待修复图像块内有效数据在该字典下的稀疏表示来估计图像块内的待修复区域。实验结果表明此算法可以有效地进行图像修复,尤其是在对图像进行区域图像填补修复时。