图像修复是指利用图像中已知信息,按照一定的规则修复未知区域,使修复后的图像获得满意的视觉效果,是当前计算机图形学、计算机视觉和图像处理的热点研究领域之一。图像修复具有广阔的应用领域,包括:文物保护、影视特技制作、图像中文字、障碍物的去除及视频错误隐藏等。目前,图像修复算法主要有两类:基于结构信息的图像修复算法和基于纹理信息的图像修复算法。前者偏重于结构信息的修复,适合于修复破损区域比较小的图像,对于破损区域较大和纹理信息丰富的图像,修复效果差。后者偏重于纹理信息的修复,适合于修复破损区域比较大的图像,但是对于含有结构信息的图像修复效果差。本文根据目前典型的图像修复算法的不足,提出了基于样本和结构信息的大范围图像修复算法。图像中纹理信息丰富而结构信息较少时采用改进的基于样本的修复算法。图像中同时含有丰富的纹理和结构信息时,由于图像中纹理的梯度变化小对比特征不明显,而结构更能明显地反应图像的空间连贯性,故采用结构优先的修复算法。图像中常出现直线和曲线结构特征,但是目前传统的图像修复算法针对这类图像的修复效果不理想,故本文提出基于直线特征的图像修复算法和基于曲线特征的图像修复算法。基于直线特征的修复算法,首先利用Hough变换检测出图像中的直线特征,然后先修复位于破损区域的直线上的像素点,最后利用改进的基于样本的修复算法完成剩余部分的修复。基于曲线特征的图像修复算法,首先利用图像分割方法找出图像中明显的曲线特征,利用最小二乘法拟合出曲线,然后先修复位于破损区域的曲线上的像素点,最后利用改进的基于样本的修复算法完成剩余部分的修复。实验表明,本算法简单易于理解和实现,修复结果能达到令人满意的效果,具有很高的实用价值。