图像技术的飞速发展使得数字图像的采集和显示变成一项平常工作。从高分辨率的计算机显示器到低分辨率的移动设备,人们发明了各种显示设备来观看数字图像,图像在适应不同的显示屏幕时大多数情况下都需要对其尺寸和宽高比进行调整。同样的,在显示和打印嵌入图像的文件时常常需要对图像进行缩放使之遵从文件的整体布局。数字图像的生成是“一次性”的,但是它在被观看“消费”时需要适应不同的环境。数字图像被观看“消费”的环境多样性引入了一个新问题：为了达到最优显示效果和被用于各种不同的应用图像必须进行缩放操作。此过程被称为图像自适应或者图像缩放,它为了能最佳的满足各种显示器的需求而对需要显示的图像进行尺寸和宽高比的调整。传统的自适应技术采用了直接的图像缩放算子,例如均匀缩放和固定窗的直接剪切,它们往往不能产生令人满意的结果,因为这些方法忽略了图像内容。为了克服这个缺点,大量关于基于内容感知的图像自适应技术出现了,这些技术旨在自适应过程中考虑图像内容使结果图能保留图像的重要区域且产生较少形变。这个问题很有挑战性,因为它需要自适应方法能在结果图中保留重要信息,且让结果图对于观看者来说有一定的审美愉悦性。为了解决这个问题,本文提出了一个新型的基于图像形变控制的细缝剪裁方法,它能减少自适应结果图中的信息丢失和扭曲变形。此方法对传统细缝剪裁进行了两点改进：1)将融合局部和全局显著性的显著图作为细缝剪裁参考的能量图,对需要剪裁的细缝按照这个能量图进行排序,以更好地保护图像中感兴趣区域(ROI),保留图像的主要内容信息。2)利用SIFT流矢量场来衡量剪裁图像的形变程度,每移除一定数量的细缝就计算剪裁图像和原始图像之间的形变,一旦形变达到某一阈值,就停止细缝剪裁,转换为均匀缩放使图像达到目标尺寸。对本文提出的算法进行仿真,将本文的自适应方法和其他自适应方法通过对比实验来比较它们的自适应性能。