图像抠图技术主要通过操作者手工标定前、背景提示信息，然后利用这些提示信息和事先假定的图像统计分布特性，建立抠图模型求解掩像图，进而通过掩像图将前景目标从背景中提取出来。如何建立快速、准确、有效的抠图模型，一直是图像抠图技术研究的重点。本文对图像抠图技术进行研究，并分析比较了目前出现的多种自然图像抠图方法的优缺点。本文的主要工作包括：首先，对图像抠图方法进行了分类，分为基于采样的抠图方法、基于传播的抠图方法以及采样传播相结合的抠图方法3类，并给出每种方法中一些具有代表性的方法，给出理论思想以及优缺点；其次，研究分析基于传播的抠图方法中较有代表性的KNN抠图算法，该算法在速度和效果方面取得比较好的平衡，对于一些背景比较复杂的图像，其也能够获得比较好的抠图效果。但在三分图边缘附近颜色相差较小或是一些前背景交错时抠图效果下降，本文以提高抠图效果为目的，考虑在计算像素的特征向量时，加入纹理特征来增强前景背景约束，将6维特征空间增加至7维，在此基础上进一步研究，进而提出一种改进的KNN抠图算法。实验结果表明改进后的算法使生成的掩像图更为光滑，取得了更好的抠图效果；再次，提出一种采样传播相结合的抠图方法——基于颜色距离与差分距离的自然图像抠图方法，给出该算法的理论思想，并与几种典型的抠图方法进行比较，说明该方法的优越性，然后通过实验加以证实；最后，将closed-form的抠图思想应用于灰度图像的彩色化当中，通过不同测试图像的彩色化实验，可以看出由本文所给算法得到的彩色化图像比由传统方法得到的颜色更加鲜艳、边界更加清晰。