随着互联网技术的发展,数字图像信息便利了人们的生活。一些工业产品效果图或草图,在数字图像处理技术的作用下对工业设计产生了积极影响。在汽车造型领域,快速的从车身效果图或草图重建出参数化模型,可以有效缩短汽车设计周期。在能够真实的表达出原始汽车造型特点的前提下,如何高效率和高精度地从图像中提取造型特征并完成模型重建是如今研究的热点和难点。本文对车身参数化模型进行了合理的定义,精确和完整的从汽车图像中提取出造型特征信息。通过定位特征线信息关键点,用三次贝塞尔曲线表示造型特征线,重建车身参数化模型。分析研究现有图像边缘检测、轮廓检测和特征匹配算法,组成最优算法框架。本文研究工作从以下三个方面展开：(1).本文首先结合gPb特征检测与基于Canny算子的轮廓提取算法,自动从图像中提取汽车造型特征集。考虑到汽车图像本身纹理、色彩、光照等因素的特殊性,采用分层提取思想,划分不同的优先级提取特征信息。利用Hough变换和Canny算子共同实现轮毂和轮胎特征的检测,对模型进行定位。(2)检测出的特征集信息大多是散乱的存储在序列中,结合数据库中参数化汽车造型特征模板,根据模板中已经标注出的关键点(每条特征线的初始和结束端点),利用形状上下文算法,定位特征集中与目标匹配的关键点。(3)依据获取的关键点将特征点集合进行模块化分割,获取每条特征线拟合所需的点信息。最后采用分而治之策略,对特征信息进行分段三次贝塞尔曲线拟合,实现从图像到汽车二维参数化模型的重建。数值实验表明,特征集中关键点的平均匹配成功率达到90%,重建的二维参数化模型准确率达到85%,并且输出的CAS模型为后续三维造型和模型重建提供了有利参考。本文提出的算法框架,将车身造型设计阶段的效果图或草图快速、高效的转化成高质量的二维参数化模型,可以缩短开发设计车身的时间。基于本文方法生成的参数化模型,可以实现一个非常方便的汽车造型变换应用,利用数据库中存在的汽车图像,对另一款汽车外形进行创新设计。