随着计算机视觉的飞速发展,人们对图像质量的要求越来越高,当图像遭到一定程度的破坏而无法提供给人们足够的信息时,数字图像修复技术应运而生。图像修复就是利用破损图像中未被破坏的部分来估计出被破坏的部分,使图像恢复如初的计算机技术。其目的是修补图像中的破损区域或移除特定目标,修补后的图像需满足观察者视觉上的需要,不被察觉出图像修补的痕迹。目前,图像修复技术已经应用到艺术品复原、摄影、交通监控、影视制作等领域。数字图像修复技术的研究具有理论意义和实用价值。本文研究了数字图像修复技术中几种较为经典的修复算法,主要包括基于扩散、基于样本块和基于低秩理论的图像修复算法,指出了它们的优点及不足之处。其中,学者们对基于样本块的数字图像修复算法研究得最为深入,它的发展也十分迅速。Ccrminisi算法以图像块为单位进行修复,优先权值的设置方式不是很完善,搜索匹配块时易产生误匹配,修复结果往往不够理想。为了满足人眼的视觉需求,提高修复质量,本文在基于样本块的图像修复框架基础之上提出了一种新的图像修复算法。新算法在计算优先权时利用结构张量获取局部结构信息；两步匹配块搜索法能够有效降低误匹配发生的概率；将匹配块的结构相似性与低秩理论相结合对未知像素点进行恢复。实验结果表明,本文提出的数字图像修复算法能够设置合理的优先权,降低误匹配发生的概率,保证修复后图像边缘的连贯性。修复后的图像相比于其他图像修复算法的结果更加自然。从目前的修复算法来看,仍存在一个弊端,就是待修复区域需要人工标记,给算法带来了很大的不便。在应用到文本移除时,本文提出了快速有效的英文检测办法,能够准确地定位图像中文本的位置。相比人工标记,自动检测更加快速,结果更加准确,不仅降低了文本移除的复杂度,而且提高了处理结果的视觉效果。最后对图像修复算法做了适当的改变,应用到视频修复中,修复结果令人满意。