随着图像与多媒体信息领域的不断发展,各种商业化图像处理软件也在逐渐增多,对各类图像更有效的合成与编辑的研究已成为当今图像分析与处理领域的一大热点。本文的研究内容主要包括图像合成领域中复杂图像的前景提取、如何有效地降低颜色失真以及减少人工交互几个方面。首先,针对复杂图像前景提取掩模不准确导致的合成边界缝隙问题,重点研究了采用抠图进行前景提取的方法。由于目前大多数抠图的研究都关注在估计掩模alpha matte的全局精确性上,因而在局部上会出现较大的误差。本文在利用综合采样抠图获取全局精确的matte基础上,将matte估计的局部相似性也考虑在内,对初始matte进行二次局部迭代优化,从而得到全局和局部都较精确的合成掩模。实验结果表明,无论是基准数据集还是本文增加的影子图像数据集,本文抠图方法得到的掩模的精确性都得到了一定的提高。然后,针对现有的两类图像合成方法(基于梯度域方法和基于alpha的线性合成)存在的局限性,本文提出了一种融合这两类方法的分层加权混合算法,即先对抠图得到的alpha matte进行合成区域划分,再根据不同的区域进行分层混合。为了提高算法的效率,梯度域方法采用MVC(均值坐标)进行优化实现;而为了实现无缝合成的同时保持图像原有的颜色特征,本文又提出了利用亮度采样来得到自适应颜色保真度权值并用其进行平衡调节的思路。实验证明,与现有方法相比,本文算法无论是对普通图像还是影子图像都具有一定的有效性。最后,本文搭建了一个简易的图像合成系统,该系统提供了用户输入、前景提取、图像合成、结果显示与对比等多个功能和模块。利用该系统,可以较快地实现源图像与目标图像的有效合成。本文的研究是对影子图像等复杂图像的前景提取以及自适应、快速高效的图像合成方法的探索和尝试,对于更加优质的图像处理和编辑软件的提高和改善有着一定的利用价值。