基于样本的图像颜色传递,即根据样本图像的色彩特征对目标图像的色彩进行调整,使目标图像在保持自身轮廓的同时拥有与样本图像相似的色彩,是当前图像处理与计算机视觉等领域的一个新兴的技术和研究热点。本文在lαβ颜色空间下实现了三种典型的颜色传递算法,采用lαβ颜色空间,能最小化彩色图像通道间的相关性,从而可以独立的改变每个通道的颜色值。在颜色传递算法中采用了亮度重映射,高斯金字塔分解等技术,而像素特征方面在除了利用像素本身的亮度值之外,还考虑了其邻域的特征,从而在颜色传递的效果和速率上有了保证。利用Visual C++对典型的颜色传递进行了编程实现,通过大量实验测试,分析了现有颜色传递算法的原理和特性,总结出各算法的优缺点以及各自的适用性。在上述工作的基础上,原创性的提出了一种新的基于自组织映射神经网络(SOFM)的颜色传递方法,本算法采用像素的多维邻域特征作为像素的特征,在训练样本图像时,采用高斯金字塔分解,在不损失彩色信息的前提下,降低了样本数量,经过网络训练后,建立像素特征向量与颜色值之间的对应关系,进而实现图像的颜色传递。本算法提高了颜色传递匹配过程的准确性,改进了颜色传递的效果。通过实验结果的对比分析,表明本算法具有较好的效果和一定的实用性,为进一步的研究奠定了一定的基础。