伴随着信息社会的快速发展,面对越来越多的海量信息,如何用更少的数据来表达同样的信息,是摆在研究人员面前的一道难题。同时,人们也需要借助计算机来生成具有一定艺术效果的绘制结果。抽象化艺术在一定程度上反映了人类丰富的想象力,自古以来都具有举足轻重的地位,现已被广泛应用于电影、游戏、广告及科普示图等许多领域。以数字图像处理与数字信号处理理论为基础,对现有的基于图像的抽象化与重光照技术进行了详细的分析与总结,并对它们存在的问题进行了详细的分析,提出了基于梯度域的图像抽象化算法及其重光照技术。本文主要内容包括：1)提出了一种新的适用于图像抽象化的显著性边缘提取算法。对给定的输入图像,首先利用Canny算子估计出图像中每一点的梯度强度与梯度方向,然后利用边缘信息传递策略建立输入图像的显著性边缘图。实验结果表明本算法能够提取出图像中的显著性边缘信息,避免了非连续性边缘及单像素级别边缘的产生,为后续算法的处理提供了保证。2)提出了一种新的显著性边缘引导下的图像抽象化算法。考虑到图像抽象化的主要目的是在突出显著性信息的同时过滤掉那些不重要的细节信息,而且要使处理前后的图像在色调分布上尽量接近,因此我们根据获得的显著性边缘图建立图像的期望梯度场,使问题最终化为求解能量函数最小化问题。实验结果表明本文算法可以达到很好的图像抽象化结果,同时还能很好地保持输入图像的色调分布信息。3)提出了一种新的基于梯度域的图像重光照技术。由于在传统图像抽象化方法的绘制效果中光照信息较为死板,不能很好地反映出画面的三维信息,本文提出了一个面向抽象化图像的重光照技术。根据用户给定的光照角度来建立期望梯度场,在能量优化的约束下得到重光照效果。本技术不用考虑传统重光照技术中所需要的几何等信息,在物理真实性与效果上进行了权衡。实验结果表明本文提出的算法较易实现,需要很少的信息即可达到想要的效果,应用面较为广泛。