数字图像抠图问题为数字图像处理中比较典型的一类问题，分为蓝色背景下的蓝屏抠图以及一般背景下的图像抠图。其中，一般背景抠图通常需要Trimap模板的输入，用来初步指定一些已知前景，已知背景，以及未知区域。然而，由于抠图问题的欠约束性，以及假设方式的局限性，通常的抠图方法会与真实值存在较大偏差，这也严重影响了图像的最终合成效果。同时，目前抠图领域也缺乏标准且有效的像素级评价系统。本文主要针对数字图像抠图中的各种关键技术，包括蓝屏抠图中的半透明物体求解以及环境光干扰，一般背景抠图中的透明度像素级评估，虚焦背景下的单幅图像抠图，Trimap样本不足等问题，进行了深入研究，并提出了相应的解决方案。针对蓝屏抠图中半透明物体求解不精确，以及环境光干扰的问题，本文提出了基于蓝色差合成方程的半透明物体的求解，以及基于环境光影响因子的环境光的去除方法。对于半透明物体，根据蓝色差合成方程以及采样，可以分别得到灰色物体以及彩色物体时的解。对于去除环境光的问题，在不同区域内，对环境光影响的程度，以及透明度值分别进行求解，并通过新背景可得到合成图像。实验结果表明，本文在上述两个问题上，可得到较其它方法更好的透明度图与合成图。针对在不包含真实值的情况下，抠图领域缺乏对透明度结果进行局部评估的问题，本文提出了在一般背景条件下，基于4种局部像素级评价因子的透明度评价方法。这些评价因子充分利用了各算法得到的透明度结果与原图像的关系，以及透明度的先验模型，之后采用MRF拼接机制对各算法所选择的最优点进行拼接。实验结果表明，该评价方法可以在缺少真实值的情况下，实现对各种算法透明度结果较为精确的像素级评价，并还可最终拼接出优于各个结果的最优合成图。针对在虚焦背景下，背景与前景颜色过于相似的问题，本文提出了在一般背景条件下，基于对二阶响应进行模板匹配的单幅背景虚焦图像的精确抠图方法。为此，本文首先对输入图像进行边缘检测。其次对于每个边缘点，判断它是否为被模糊的背景边缘点，如果是，则将该点在梯度方向上途经的点集扩展为背景先验点，即将它们划分为绝对背景点。最后利用特定的抠图算法，得到最终的透明度图像。实验结果表明，本文提出的基于背景先验点的抠图算法，避免了与前景颜色相近的背景的干扰，使得抠图结果更为理想。针对Trimap未知区域过大，已知样本不充足的问题，本文提出了根据未知区域与前景或背景的颜色差异，将一些未知点预先标注为绝对前景或背景的方法，即初级Trimap扩展。首先，根据未知区域的形状，生成若干覆盖全体未知区域、并互相重叠的局部窗口，其次，在每个窗口内，利用已知区域与学习区域进行前景与背景扩展阈值的学习，进而，利用前景与背景的连通性与平滑性，对它们分别进行扩展。实验证明，这种Trimap初级扩展方式，可以为抠图计算提供更为充足的样本，使得抠图结果更为精确。针对已知样本不充足的问题，本文在Trimap初级扩展的基础上，继续采用从未知区域自身内部挖掘绝对前景和背景点的方式，进行高级Trimap扩展。为此，本文针对每个局部窗口，提出基景与辅景的概念，强调的是基景的分布简单，以及辅景的分布复杂。为了实现扩展辅景的目的，我们进行了两级辅景的计算，这是通过未知区域的自身进行采样与拟合，而已知区域仅起到引导作用，该方式被称为“自学习式”。实验结果表明，由Trimap高级扩展得到的全局辅景点，可在Trimap初级扩展基础上，进一步为抠图计算提供其它更为理想的样本。