目前，在通过网络商店购买衣服的过程中，潜在的购买者常常由于无法准确预计试穿效果而中断购买行为。这种情况成为制约商家营业额增长的重要因素。近年来，基于Web的虚拟试衣应用逐渐增多。通过虚拟试衣，潜在购买者对试穿效果有了直观认识，从而增加购买衣服的几率。如何向用户直观地展示试衣效果，增强网上购衣过程中的用户体验，是摆在科研人员面前新的研究课题。基于Web的虚拟试衣应用涉及到计算机图形学、计算机视觉、图像处理、图像分析、图像理解、机器学习、人工智能、模式识别、互联网等多种技术，其研究开发具有较大难度。另外，就互联网技术的发展现状看，基于三维模型的Web应用在性能方面存在瓶颈，为了缓解这一问题，本文将基于Web的虚拟试衣限定为基于图像的虚拟试衣，存在的关键问题包括单幅图像内的人体检测和姿态估计问题、头像和衣服的抠图提取问题、人脸的优化调整问题以及衣服的试穿匹配问题。针对上述问题，本文研究了人体检测、姿态估计、图像抠图、图像变形、色彩融合等技术，提出了相应的解决方案。为了准确估计单幅照片中的人体姿态，论文使用基于多重定位的姿态估计方案，该方案首先采用改进Harr特征级联算法定位单幅照片中正面人脸和双肩，然后采用基于色度的自适应聚类算法定位人体四肢，最后结合人体骨架先验知识估计照片中人体的姿态；为了有效提取照片中的头像和衣服，论文使用基于半自动抠图的前景提取方案，该方案首先根据姿态估计结果自动设置采样点，接着采用改进的GrabCut抠图算法自动提取图像中的头部和衣服；为了取得满意的试衣效果，论文采用基于直方图规定化的肤色调整算法和基于自定义网格的衣服变形算法。肤色调整算法可通过改善肤色来美化用户头像，衣服变形算法通过对衣服进行变形来优化试穿过程中衣服与身材的匹配效果。为了验证上述算法的正确性和有效性，论文设计并实现了一个基于Web的虚拟试衣系统，建立了衣物库，并进行了大量的试穿实验，取得了预期的试穿效果。