数字图像修复技术在艺术品修复、目标移除、图像的有损压缩以及视频通信中的错误隐藏技术中有着很高的应用价值。本文对数字图像修复技术进行了研究,并针对现有方法的不足提出了一些改进算法,使其修复效果更加完善,从而增强对实际应用场景的适应性。针对基于样本复制修复算法的三个关键问题——优先权的确定、模块窗口大小的选择以及最佳匹配块的搜索方案,进行了深入研究。针对大多数算法没有考虑结构的连续性,提出了一种连续性约束下基于样例的修复算法,克服了修复中的结构断接现象;根据模块窗口大小对纹理修复的影响,提出一种新的自适应窗口的修复算法,避免了修复时因窗口大小选择不当造成的畸变;根据自然图像中相似纹理所具有的集中性,提出了匹配块的局部搜索方法,有效避免了全局搜索时引入的不相关信息。对快速图像修复算法进行了研究和改进。针对Telea算法对边缘保持不佳,且可能造成误差积累的缺陷,本文结合Bornemann算法,通过引入合理的像素位置评估方案和置信度因子,提出了一种快速有效的修复方法。实验结果表明,该算法有效的提高了修复质量,并将时间消耗控制在可以接受的范围之内。论文的最后将图像修复技术应用于错误隐藏和图像放大,以进一步探索图像修复在其它领域的应用。对于错误隐藏,图像修复方法除了可以得到比较好的效果之外,还可以使用于任何不规则信息丢失的情况;而对于图像放大,由于所使用的修复算法本质上属于偏微分方程方法,其扩散模型是平滑地重构图像信息,因此,可以避免传统放大方法中的锯齿效应。