图像矩具有平移,旋转和缩放不变性等特点而被广泛应用于图像分类,模式识别和场景分析等领域,因此对矩计算进行研究具有非常重要的理论意义和应用价值。但是传统的矩计算不但只能处理二值图像复杂度高耗时较长,而且得到的矩值不是精确值。近年来,出现了许多优秀算法从对二值图像矩计算的研究过渡到灰色图像的矩计算研究中去,但是同样这些算法并没有达到快速而且精确计算图像矩的目标。对于二值图像由于传统的IBR(Image Block Representation)对图像分块出现很多水平块,往往得到不是最优的结果。本文提出了基于非对称逆布局的模式表示模型NAM(Non-symmetry and Anti-packing pattern representation Modal)的图像表示方式预先对图像进行分块处理,由于NAM是一种基于贪心原则的块扫描方法而且能够近似达到最优结果并且大大减少了子模式的数量,在下一步的处理中能够加速矩的计算。为了能够得到精确的矩值,本文使用积分方法,并且该方法能够预先计算,所以消耗的计算时间很少。从二值图像过渡到灰度和彩色图像矩计算时,本文通过位平面分解技术将它们处理为多个二值图像,然后再使用NAM技术分块计算矩值。由于低位位平面图像信息不丰富而且噪声较多,所以可以通过忽略低位位平面达到矩的近似计算。本文二值图像矩计算算法和彩色图像矩计算算法与IBR、LBT算法进行比较,实验结果表明本文提出的算法能够有效减少像素块的数量而达到快速精确计算矩的目标。而灰度图像矩计算算法与多种经典的算法进行对比,实验结果同样表明本文提出的算法无论子模式数量还是计算速度都比它们优越。