忆阻器交叉阵列（Memristive Crossbar Arrays）可实现矢量矩阵乘法运算（Vector Matrix Multiplication,VMM）,在图像处理领域中具有巨大的应用潜力。但目前忆阻器交叉阵列在图像处理领域的研究仍属于初步阶段,存在采用阵列进行计算受非理想因素的干扰,导致计算结果可靠性下降的问题。基于忆阻器交叉阵列的一些图像操作,如图像卷积（Image Convolution）,仍有进一步优化的空间。图像处理采用大规模忆阻器交叉阵列进行VMM运算时,存在十分严重的电压降（IR drop）问题,导致输出图像的质量差。为了缓解IR drop问题并提高输出图像的可靠性,提出一种转置互补方案（Complementary Transpose,CT）。具体来说,分析发现阵列中关于中心点对称的两个忆阻器单元,其选通电路上的线电阻之和是一个常数,提出利用一个与原阵列大小相同的备用阵列存储相同的图像数据,通过对称的电路设计抑制因线电阻产生的IR drop的影响。为了提高基于忆阻器交叉阵列的图像卷积速度,提出一种基于图像存储的卷积方案（Image Strorage Convolution,ISC）。具体来说,分析图像卷积公式,发现一种可将图像卷积拆分成若干VMM过程的方式,提出相应的电路设计方案,并结合CT方案缓解大规模阵列中的IR drop问题以提高输出图像质量。相比现有的基于卷积核存储的卷积方案（Kernal Storage Convolution,KSC）,ISC方案能将时间复杂度从O（!）降到O（）,加快图像卷积速度。实验结果表明,相比现有的IR drop优化方案,CT方案在不同图像规模和线电阻大小条件下,均保持最好的图像质量,但面积与能耗开销比较大。当图像规模为256×256,线电阻为0.72Ω时,选择CT方案可在图像质量与外围电路开销之间达到最优平衡。相比KSC方案,ISC方案能在不降低输出图像质量的同时大幅提高运算效率,当基于256×256规模大小的图像实现Canny图像边缘检测算法的实验时,图像卷积速度可提升85倍。