自然图像合成是指从一幅源图像抠取或者提取感兴趣的前景目标,再将其合成到目标图像,并且使合成之后的目标图像具有尽可能好的视觉感知效果。图像抠图与合成是数字图像处理和计算摄影学领域的研究热点问题之一。由于它能够改变图像的局部内容,在影视制作、虚拟现实和增强现实等领域都具有广阔的应用前景。本文从工程实用性的角度出发,研究基于泊松混合的自然图像无缝合成与实现,包括图像抠图Alpha图获取和改进的泊松图像混合,实现图像无缝克隆合成。具体地,论文的主要工作和创新点如下:首先,提出了一种基于简化智能剪的Alpha图像抠图方法。在原始智能剪的基础上,通过简化代价函数和改进搜索策略等,对其进行简化,可以提高优化路径搜索速度约5-6倍,而从视觉上看几乎没有损失分割的精度,完全满足图像抠图对于初始对象轮廓勾勒的要求。然后,在得到鲁棒的抠图(Robust Matte)基础上,利用文献soft scissor的方法进行Alpha图像抠图。也就是,将求解该区域的?值转化为图标记问题,并且利用随机游走(Random Walk)算法进行求解,从而得到高质量的抠图。几幅典型图像的测试结果表明,本文的图像抠图方法取得了令人满意的效果。其次,在泊松图像混合的基础上,本文提出并且实现了一种改进的泊松图像混合方法(MPB)。在对泊松图像编辑的原理进行直观解释的基础上,提出的方法同时结合了泊松混合和Alpha混合的优势。它的基本思路是:通过对目标和源图像之件的边界像素保证一种更为平衡的依赖关系,减少渗露效应。几组典型测试图像的实验结果表明,提出的方法没有明显的颜色渗露等负面效应,实现了预期的无缝图像合成。