图像分割是计算机视觉的一种重要技术，其准确率和效率直接影响后续处理的有效性。近年来基于图论的图像分割，一直是研究的焦点问题。GrabCut算法是一种优秀的基于图论的分割算法，但也存在分割速度较慢、迭代效率低、背景复杂时分割不理想等缺陷。　　为了提高GrabCut迭代效率和分割速度，改善分割效果，提出了一种基于前景形态的多尺度GrabCut图像分割方法。　　首先，针对大量像素迭代估计高斯混合模型(GMM)参数致使效率很低的问题，采用金字塔下采样获取粗尺度图像，以少量典型的像素点迭代估计GMM参数，提高了迭代效率和分割速度;其次，针对前景和背景颜色相似分割效果不好的问题，采用基于前景形态的分水岭分割，再将其结果掩膜标记为四类区域:前景、背景、可能前景、可能背景，大大减少了未知区域像素数，再用GrabCut提取目标，提高了分割精度和速度;最后，将分割结果映射到高分辨率图像，用形态学操作对其完善，平滑边缘或填补空洞。　　实验表明，该方法能获得更高的分割效率、速度和更好的效果，且耗时比平稳，具有一定的普适性。其后的图像合成，将得到的前景目标合成到另一幅背景图像上，实验效果较好。