数字图像和视频修复是填充图像或视频内指定的破损区域的处理过程,是当前计算机图形学、计算机视觉和图像处理的研究热点领域之一。目前,图像修复的基本方法主要有两大类:基于纹理合成的方法和基于偏微分方程的方法。本论文针对以纹理合成技术为基础的图像和视频修复算法展开研究和探讨。现有的基于样本块纹理合成的数字图像修复技术在全局式搜索样本匹配块时容易选择错误的匹配块,导致繁衍错误信息使得修复结果不理想。本论文针对这一不足,根据马尔可夫随机场模型(MRF)提出一种基于颜色区域分割的图像修复算法。算法使用K均值聚类的方法对目标图像进行颜色区域分割,使其目标匹配块的搜索限定在源样本块所覆盖的颜色区域当中。实验结果表明这种方法可以有效的修复各种不同的破损情况尤其是具有复杂背景的较大区域填充,是一种更健壮、视觉效果更理想的修复算法。进一步将图像修复扩展到视频修复中,论文提出了一种适用于修复背景固定且前景近似周期性运动的视频修复算法,将视频分割为静态背景和动态前景分别进行修复,获得了较为理想的修复效果。图像质量评测对于修复算法性能分析十分重要,PSNR是当前最常用的客观评价指标,但是由于PSNR没有考虑人眼的视觉特性,用于衡量图像修复效果时并不够准确。论文在SSIM指标的基础上,提出了一种新的客观评价指标,综合考虑了图像的亮度、清晰度和梯度结构相似度变化,实验结果证明能较好地符合人眼的主观视觉特性。