数字图像抠图技术是指把任意形状的前景物体从图像中精确地提取出来的一种技术,它在图像与视频编辑领域中占有重要的地位。该技术的难点在于:在仅给定待抠图像的情况下,我们需要为每个像素估计前景颜色值、背景颜色值以及前景透明度。由于抠图问题具有严重的欠约束性,因此通常需要一定的用户交互,即用户事先指定一部分纯前景和纯背景像素。常用的用户交互方式包括:三值图像和涂鸦图像。本文对已有的数字抠图算法进行了分析与研究,针对其存在的问题,提出了一种基于图模型的抠图算法以及一种基于融合的抠图算法。为了解决闭合形式抠图算法产生的过平滑问题,本文提出了一种基于图模型的抠图算法。该算法首先采用优化颜色采样的方法为每个未知像素估计一个初始alpha值;然后利用像素之间的相似性关系来传播信度值较高的alpha值,从而优化信度值较低的alpha值。将其与几种相关的抠图算法进行实验对比,我们的方法能够获得更准确的alpha图像,并且能够很好地避免过平滑问题。通过分析比较不同抠图算法的抠图结果,我们得到:从目前的技术水平上来看,没有任何一种抠图算法能够很好地处理所有自然图像中出现的各种各样的抠图难点。不同的抠图算法擅长于处理不同类型的图像。鉴于此,本文提出了一种基于融合的抠图算法,该算法结合不同抠图算法的优势以获得最优的抠图结果。为了获得更为平滑的alpha图像,本文提出了两种优化方法对初始融合结果进行平滑处理,分别为引入抠图Laplacian矩阵构造平滑项和采用基于动态规划的轨迹优化算法来优化初始的融合结果。在我们的实验中,我们融合了12种不同抠图算法的抠图结果,以获取最终的alpha图像。由标准数据库上的评价结果可以得出:与最先进的方法相比,我们的方法能够获得更加准确的alpha图像。