随着计算机的普及和数字图像技术的广泛应用,数字图像处理技术已成为计算机视觉领域的一个研究热点。图像修复是图像处理的重要组成部分,是对图像中的受损区域进行信息填充的过程,其目的是恢复受损的图像,并使观察者无法察觉图像曾经缺损或已被修复。目前,图像修复算法根据待修复区域的大小,可以分为两类,即基于偏微分方程(PDE)的图像修复和基于纹理的图像修复。Bertalmio等人把偏微分方程引入了图像修复领域,其基本思想是根据物理学中信息扩散原理来完成受损区域的修复,当受损区域较小时,修复效果很好,没有任何修复痕迹,但当受损区域较大时,会出现模糊效应。因为这个缺点,基于纹理的图像修复逐渐成为该领域的主流算法,吸引了众多学者进行研究,该类算法不论对受损区域较大还是较小时都能取得很好的效果。本文重点研究了Criminisi算法,在Criminisi算法的基础上,对模板大小、优先权计算方式、最佳匹配块的寻找等进行了改进。论文考虑模板边缘像素点的梯度信息,提出了自适应模板大小策略,以判断能否扩展,从而适应不同的纹理图像;同时对优先权的计算方式进行了改进,考虑了周边信息,引入相关项,同时为置信度、数据项和相关项分配相应权重,避免了单一乘法带来的缺陷;引入颜色直方图以改进最佳匹配块的寻找,颜色直方图定义了图像或图像中区域的颜色分布,并且颜色直方图具有旋转不变性和缩放不变性等。通过两个模块间颜色直方图的相交距离,从整体上考虑两个模块的相似性,从而减少错误匹配的概率。最后通过对不同类型,包括纹理较丰富,结构较复杂,曲线较多的图片进行仿真实验,并与Criminisi算法和Sun等算法进行对比,说明了改进算法的有效性。