早期的图像检索方法是以数据库技术为基础、以大工作量的人工标注为代价的基于文本的检索。随着大规模图像库的出现，基于文本的图像检索表现出越来越多的局限性，基于内容的图像检索(Content-BasedImageRetrieval，CBIR)技术应运而生。其主要思想是利用图像的颜色、纹理、形状等低层视觉特征分析图像信息，建立图像的特征矢量作为索引，然后根据特征矢量进行相似查询。 传统的颜色直方图丢失了图像颜色的空间分布信息，分块直方图加入了颜色空间分布信息却降低了颜色对图像的平移、旋转的适应能力。针对以上情况，本文提出并实现了一种分块加权直方图的方法，充分考虑了传统颜色直方图与分块直方图的优点，既利用了颜色的空间分布信息，又突出了图像的视觉中心，这是本文的一个新见解。另外，本文针对单一特征描述能力具有局限性的情况，设计实现了一种综合低层特征的图像检索方法。在特征提取模块中，算法提取图像的颜色矩作为颜色特征，利用灰度共生矩阵计算出反差、能量、熵、相关四个参数作为纹理特征，为了去除二值化图像中的毛刺以便获得较好的图像边缘，选用数学形态学方法进行噪声去除，然后用Canny算子进行边缘检测并提取图像的边缘方向直方图作为图像的形状特征。在检索模块中，可由用户根据侧重点的不同，指定颜色特征、纹理特征、形状特征的权重。试验证明，综合图像低层特征的检索比使用单一颜色特征的检索效果好。