基于图像的构建及绘制技术是实现真实感场景绘制的一种新颖方法，它综合应用了计算机图形学、计算机视觉、图像处理、摄影测量等学科领域的理论和成果，成为一个倍受关注的研究热点，它以预先采集的离散图像作为基础表示，通过一系列的处理后，在计算机显示设备上再现出场景原貌的过程，较之基于几何模型的方法，它生成的景物真实自然，绘制速度不依赖于场景的复杂程度，但目前尚有许多方面有待进一步探讨，利用视觉敏感的特征进行自动匹配和相关处理以提高图像的视觉质量是其中之一。基于图像的辨识技术在自然景物分类、医学辅助诊断、木材缺陷判别、金相组织分析、生物和文字辨识等领域已获得广泛应用，但应用在食品方面还不多见。在流通过程中，有效地辨识出淀粉类食品中原料淀粉的种类和组分，对其安全和经济都具有现实的意义，目前，技术监督和商品检验检疫部门的做法是依据对产品的感官感觉进行评判，这种方法受主观因素和经验知识的制约，易于造成误判，且缺乏坚实的理论根据。利用显微图像所反映出来的微观形貌特征对其进行自动辨识是一种可行的实现途径。图像特征是事物本质属性在图像上的客观反映、是人类视觉感受外部世界的重要依据、也是计算机区分不同事物的原始输入。依据这一客观事实，本文分析研究了适合上述问题的图像特征及检测方法，并应用于相关应用中。以几何边缘上的角点为视觉敏感点、以分维数和灰度共生统计特征为微观形貌的描述。角点特征在图像旋转、缩放、平移及光照变化的条件下仍具有较高的重复被检率，相位一致提取方法可使角点定位准确且为边缘的严格子集，较适合人类视觉感受规律。形貌统计特征可很贴近地描述自然纹理图像的形貌特点，特征的相应统计值由灰度共生矩阵和分形维理论方法提取。特征点匹配是图像拼接和视图合成的一项基础而关键内容，也是比较困难的一步，通常由交互方式或标定相机完成。本文在尺度空间中，运用相位一致方法检测特征点集，以LOG算子确定选取的特征点及其特征尺度，以特征点及其特征尺度构造特征点邻域的特征区域，用颜色矩参数作为特征区域的描述向量，采用欧氏距离度量特征向量之间的相似性得到初始匹配的特征点，通过视觉一致几何约束条件剔除了误匹配点而获得特征点的精确匹配。该方法实现了图像特征点的自动匹配，用于存在较大尺度差异的宽基线图像时效果较好。基于全景图像的场景表示是图像绘制技术中具有代表性的应用之一，它的技术核心是获取表示场景的全景图像。对利用手持普通数码相机原地旋转拍摄的序列场景图像，本文研究以图像特征匹配和目标函数优化完成了平面全景图像拼接，改进了Szeliski算法。方法的具体实现为：首先利用相位一致方法提取各图像中边缘上的角点特征，对特征角点进行初始匹配，然后利用初始匹配的角点计算变换矩阵的初始参数，再以光强度差的平方和为优化目标函数，在优化的过程中逐步获得变换矩阵的最佳参数，最后对重叠区域运用渐入渐出的方法实现了光强或颜色的自然过渡。以预先采集的不同视点的场景离散图像，生成对应于当前虚拟视点的图像是基于图像绘制技术的一个研究热点。不同于相机需要标定、源图像的分辨率基本相同的常规方法，本文研究了一种利用未标定普通数码像机前向运动拍摄的序列图像，生成对应于当前虚拟视点图像的方案。该方案在仅知两幅二维图像的条件下处理了边缘可见性和无对应点区域的生成。算法的步骤为：利用傅立叶变换方法确定相邻源图像无对应点的区域；然后，利用尺度空间和相位一致原理在共同区域提取及匹配边缘上的关键点，计算其深度值，并在新图像中由该值判别虚拟图像中的可见性；再由关键点恢复极线约束，通过极线间的位置和颜色插值生成虚拟图像中有对应区域的一般点；在确定极线位于无对应点区域段后，利用加权平均或放大插值的方法实现了源图像无对应点区域在虚拟图像中的自然过渡。该算法不需要图像的其他先验知识，完全可以使用实拍图像。图像是客观对象的光能记录，它以颜色或灰度分布的形式反映了被记录对象的特有形貌或本质属性，利用计算机对象辨识分析技术对图像的颜色分布模式进行分析，可实现研究对象的自动辨识归类。本文以龙口粉丝组织的显微图像为素材，研究了淀粉类食品粉丝搀杂问题的一种辨识方法，即运用由灰度共生矩阵及分形维理论检测的统计特征为描述向量，通过神经网络分类来完成不同原料成分比例的商品粉丝辨识。实验中对绿豆与玉米、绿豆与马铃薯、绿豆与红薯等混合淀粉制成的粉丝进行了实验测试，结果表明该方法可行，并可推广于淀粉类加工产品。