在图像处理领域中，色彩迁移指的是把一幅图像的颜色信息转移到另一幅图像，使新生成的图像既保存原图像的形状信息又具有其他图像的色彩信息。根据所选的目标图像的不同，不仅能产生不同的视觉效果，而且也提高了技术处理的多样性和艺术性。 本文分析了色彩迁移的主要算法，通过分析比较，针对迁移方法中的模糊聚类方法进行深入研究，并选取模糊C—均值聚类算法作为突破点。主要工作包括以下几个部分： 分析了传统的色彩迁移算法的不足和FCM算法的缺陷，针对模糊C—均值聚类算法对初始化特别敏感、很容易陷入局部极小值的缺陷，本文将全局模糊C—均值聚类算法引入到色彩迁移过程中，提出一种基于全局模糊C—均值聚类算法。该算法是一个确定性的全局优化方法，不依赖于任何的初始参数值，仅仅使用FCM作为局部搜索的工具。算法不需要随机地选取初始聚类中心，而是以递增的方式来实施算法的处理过程，克服了FCM对初值敏感的问题，提高了聚类的准确性和稳定性。 提出了基于全局模糊C—均值聚类的色彩迁移算法，在迁移效果上、迁移稳定性上对原来的基于FCM的色彩迁移方法进行了改进。实际测试结果表明，新的颜色迁移算法能满足不同颜色复杂程度的图像的颜色迁移要求，并且能避免局部最小的缺陷。