随着智能手机和移动互联网的发展与普及,人们可以随时随地获取到照片和视频。互联网上每天都有海量的图像信息产生,其中很大一部分被人们用来保存留念或者社交分享,同时为了获得理想的效果,数字图像处理技术被广泛地运用。由于外界光线条件、拍摄设备或显示设备的差异等原因,所呈现的图像颜色往往不是人们预期的结果;有时候图像本身颜色没有问题,但是需要把图像应用到某些领域时需要对其颜色进行相应的改变,而颜色迁移正是有效解决这些问题的一种图像处理技术。所谓颜色迁移,一般分为输入图像和参考图像,以参考图像的颜色为参照去调整输入图像的颜色,使得结果图像既保留了输入图像的内容又拥有参考图像的颜色特征。目前大部分颜色迁移算法都是采用单幅参考图像,当输入图像内容复杂,颜色丰富时,无法找到合适的单幅参考图像为输入图像的所有内容提供颜色参考。针对这个问题,本文提出了一种多参考图像的颜色迁移算法。本文首先对图像进行颜色聚类,利用GMM模型拟合图像的颜色分布,GMM模型中每个高斯分量表示一块区域的颜色分布,采用期望最大化EM算法对GMM模型进行参数求解。针对经典的GMM模型及EM算法存在的不足进行改进,考虑图像的坐标空间邻域关系,加入坐标空间平滑参数,使得区域边缘连续平滑;改变高斯分量合并条件,以得到更准确的颜色类别区域。其次,提出了一种参考-输入图像颜色类别区域间映射关系建立的方法,为输入图像区域匹配到最优参考颜色区域。然后分别针对灰度图像和彩色图像采用不同的迁移合成方式完成颜色迁移。最后,综合给出了一种衡量颜色迁移结果的客观评价指标,与其他颜色迁移算法进行了对比实验,验证了本文算法的合理性与有效性。