图像缩放技术一直是图像处理领域研究的一个热点问题。几何变换缩放方法在对整幅图像缩放时采用统一的模型,不考虑图像的内容,导致在图像缩放后,不能较好的保持图像中的边缘信息和细节。Seam Carving缩放算法则是一种基于图像内容的缩放算法,与几何变换缩放法相比,能够较好的保持图像中的特征区域和细节。但是此算法在一定程度上会使图像中的一些重要内容发生变形。本文正是在Seam Carving算法的基础上展开研究工作。随着对图像处理技术研究的深入,图像显著度图的研究成果较多。图像的显著度是指通过模拟人类的视觉系统寻找到图像中的人类视觉注意区域。为了改进Seam Carving缩放算法的缺陷,本文提出采用图像的梯度图和显著度图定义图像的能量函数,即分别采用边缘检测算法和GBVS模型计算出图像的梯度图和显著度图,再对图像的梯度图进行归一化处理,然后比较归一化梯度图和显著度图中每个像素点对应的能量值的大小,选择较大的值作为新的能量值,从而产生图像的能量图。然后采用动态规划算法寻找最优裁剪线,确定删除裁剪线的顺序。为了验证本文提出的想法的可操作性与优势,选择四幅图片作为实验图片,分别采用Seam Carving算法、Optimized Scale and Stretch方法、基于显著度的网格变形方法以及本文改进后的方法缩小相同列后进行结果对比与分析。对图像缩放后的视觉效果的好坏和图像像素点的平均能量值两个方面来评价图像缩放方法的缩放效果。实验结果表明,在这两个方面,本文改进后的方法比Seam Carving算法以及另外两种算法都有一定程度的优势。本文改进后的方法对图像的缩放效果表明,采用梯度图和图像的显著度算法定义图像的能量函数,在对图像缩放时,不仅能够有效的保持图像的边缘信息,更能够保持图像中的对人类视觉重要的感兴趣区域发生较小的失真。梯度图和显著度算法在Seam Carving算法中得到了较好的结合,具有明显的应用价值。