随着计算机软件与硬件的飞速发展，图像处理技术在社会的诸多领域得到广泛的应用。对光栅点阵图像进行分析、识别并重建其中图形对象的图像矢量化技术也在诸如工程图纸、地图等的扫描输入、数控切割、雕花等得到广泛应用。但是由于图像的复杂性，各种图像矢量化算法都有一定的局限性，限制了图像矢量化在其他领域的应用。因此，图像矢量化算法仍在不断发展，此种技术依然有着广阔的研究空间。论文主要讨论了曲线颜色扩散（diffusion curve）的矢量化方法。首先将彩色图片转为灰度图，然后再利用边缘检测方法获得图片的轮廓信息，根据原彩色图片保存轮廓信息（诸如坐标，颜色值等），最后根据得到的轮廓信息利用雅克比迭代法还原原始图像。本文的主要工作如下：首先，我们对提取图像轮廓的方法进行了改进，原方法中利用经典的Canny边缘检测方法获得图片的轮廓，但经典的Canny边缘检测方法是将彩色图片转为灰度图再求图片像素点的梯度值，得到的梯度值不能完全反映彩色图像中像素点的梯度值，有时得到的边缘并不完整。我们利用求解张量梯度的方法，求解图片中每个像素点的梯度值，再根据求得的梯度值选取图像的边缘点。利用改进后的方法得到的图片的轮廓更加完整和简练。其次，我们对还原图像的算法进行了改进，原方法中为了得到轮廓两侧的颜色值信息，需要对得到的轮廓进行两次Bezier拟合，然后根据拟合后的Bezier曲线，利用快速生成Voronoi图的算法渲染出Voronoi图，利用生成的Voronoi图求得所有非轮廓点到轮廓点的最近距离，最后根据求得的距离进行雅克比迭代来还原图像。该方法拟合了两次Bezier曲线，两次渲染了Voronoi图，我们利用数学形态学中膨胀的方法改进了该方法，我们只需要拟合一次Bezier曲线，渲染一次Voronoi即可还原出原图像。最后，针对原算法不能还原颜色分布不均匀的图片（即使可以还原原始图片，效果也很不理想）的缺点。我们提出利用赋予轮廓点重要性的方法，来改变某些轮廓点对其他非轮廓点的影响，从而还原出颜色分布不均的图片。