图像处理与识别技术在各领域应用广泛,而在未来的信息技术方面,我们对图像处理方面要求更高,需要更新的研究理论和更快的算法。量子计算与量子信息具有强大的计算能力,也有着广阔的应用前景。人们经过研究发现,量子计算在模式识别、图像压缩方面的实践应用是可行的,并且经过理论证明,将经典的数字图像信息加载到量子态也是可以实现的。本文分为两个部分：第一部分首先介绍了量子计算在图像处理领域的研究现状,然后对量子比特、量子寄存器等量子基本概念进行了介绍。并在这些基本概念的基础上,对几类相对于经典算法有很大优势的算法进行了分析。如大数质因子算法这类基于量子傅里叶变换(QFT)的量子算法,以及Grover搜索算法等。本文着重介绍了量子傅里叶变换。实际上,量子傅里叶变换是对离散傅里叶变换的一种变换,是量子因式分解和其他许多重要量子算法的关键部分。本文中列举了三比特量子傅里叶变换的实例,并且对于量子逻辑门,比如Hadamard门,CNOT门,以及量子傅里叶变换来设计多量子位NMR,即核磁共振的脉冲序列来实现,并利用量子仿真器QCE进行了仿真,得到了令人满意实验结果。第二部分研究了两种基于量子傅里叶变换的模式提取方法：第一种是基于传统傅里叶描述子和边界像素坐标的表示方法,给出了傅里叶描述子定义,利用量子状态表示跟踪边界,通过量子初态进行相位估计,能确定量子傅里叶反变换后最大概率的坍缩状态,进而可以确定坐标值；第二种是简单的模式图制备初态,然后直接对其进行量子傅里叶变换,在对其等概率测量之后,选择个特殊的态|t>=|kN2/r>,从而直接提取特征值,最后通过简单的模式图对该方法进行了验证。