图像作为信息的载体,随着智能手机和数码相机的普及,正在扮演着越来越重要的角色。图像数量的增长,使得图像编辑逐渐成为研究的热点。图像编辑是对图像进行修改的统称,对图像的修改包括很多方面,如图像增强和复原,图像色彩迁移和艺术风格化等。在图像编辑应用中,图像块近似最近邻查找是很重要的环节,也是影响应用性能的关键点。本文针对图像最近邻查找问题,提出了一种基于等距特征映射降维的图像块散列表算法。等距特征降维可以在低维空间中保持图像块的高维特性,以提高图像块匹配的准确度。降维后图像块映射的方法是对每一维度的像素值分别映射到散列表的对应维度中,获取到块散列表中对应维度上哈希桶的索引值,从而实现快速的图像块散列值查询。同时采用Voronoi转换算法填充散列表中的空单元格,加速最近邻的查询速度。然后针对图像风格迁移问题,本文利用图像块散列表结构,提出了基于属性的图像风格迁移算法。本文提出的算法首先获取特定的数据集,为数据集标注图像属性,并将数据集按属性类别存储到对应的图像块散列表中;然后生成待编辑图像的密集网格近似最近邻域,在散列表中快速查找到输入图像的匹配图像和具有期望属性的目标图像;最后利用最小二乘法求解匹配图像和目标图像之间的局部线性模型,并将局部线性模型应用到输入图像中,实现基于属性的图像风格迁移。最后本文提出了针对图像的人脸艺术风格化算法。本文提出的算法首先对风格样例构建图像金字塔,将样例多尺度图像按照从最粗粒度到最细粒度分别构建图像块散列表;采用GrabCut分割算法获取特定的人脸前景区域,对人脸区域构建图像金字塔,从粗到细逐层在块散列表中查找近似最近邻域,通过图像混合合成风格化效果;最后将合成的艺术风格化图像通过梯度插值实现无缝融合。实验结果表明本论文中提出的方法在运行速度方面优于其它同类方法,而且具有良好的实验结果。