随着可视化编程工具的出现,中小学的信息技术教育内容发生了改变,人们越来越关注对孩子们的编程能力培养,目前青少年开始学习编程的首选语言就是Scratch。学生在进行Scratch编程时需要为舞台选择合适的背景图,舞台背景图不仅能为角色的活动提供合适的环境,而且其风格可以直接表达作者的情感和个性。但是目前主流的Scratch平台上都没有设计与图像风格相关的功能,所有平台里的图像风格比较单一,一张图像仅有一种风格。考虑到Scratch背景风格的丰富多样有利于表达不同的情感和增强作品的视觉效果,进而提高学生在Scratch平台的学习兴趣。因此,本文面向Scratch平台的图像风格处理展开研究,为学生提供特效滤镜和艺术风格转换两种Scratch背景风格处理方式。为了解决在Scratch平台中直接引入艺术风格转换工具会出现转换后的图像内容与所选风格不相匹配的问题,设计基于图像分类的Scratch图像艺术风格转换功能,通过对Scratch背景的场景识别帮助学生匹配到适合这一场景的艺术风格。在面向Scratch的图像分类研究中,提出了基于残差单元与双注意力机制融合的网络模型,并设计了基于数据增强方法的Scratch数据集构建模块和自调整学习率模块。最终通过对比实验验证了三种改进工作的有效性。为了解决直接使用当下现有的艺术风格转换方法对低质量的Scratch图像进行风格转换会产生图像细节模糊、质量下降的问题,设计基于超分辨率重建预处理的Scratch图像艺术风格转换方案。方案中主要包含Scratch图像超分辨率重建预处理研究和基于模型迭代方法的艺术风格模型库构建两项工作。在超分辨率重建的研究工作中,对基于生成对抗网络的超分辨率重建方法进行优化,去除生成网络中的批标准化层并在残差层中嵌入设计的通道注意力机制。最终通过对比实验验证了两项研究工作的有效性。最后,本文从软件工程的角度出发,设计和实现了基于B/S架构的面向Scratch平台的图像风格处理系统,并通过进行功能测试和性能测试验证系统达到了预期效果,能够为学生更好地完成Scratch作品带来帮助。