图像修复是一项古老的艺术。早在欧洲文艺复兴时期,为了恢复中世纪美术作品中丢失或被损坏的部分,同时保持作品整体效果,人们便开始通过填补美术作品中一些裂痕或划痕来达到恢复作品原貌的目的。图像修复是对图像上信息缺损区域进行信息填充的过程,其目的是恢复有信息缺损的图像,并使观察者无法察觉图像曾经缺损或已被修复。该技术已经在包括修复医学图像和文物、修补有划痕和裂痕的照片,移除图像中的遮挡物、还原犯罪现场等各个领域应用。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,本文概述了数字图像修复技术的原理和研究现状,分析了有代表性的数字图像修复算法,并总结了各算法的优缺点及其适用范围。在此基础上,提出了三种数字图像修复算法:分析了基于整体变分(Total Variation TV)模型的图像修复算法。TV模型修复算法只使用各向异性扩散。TV模型各向异性扩散仅着图像边缘方向扩散,容易在平滑区域引入阶梯效应。现提出一种改进的图像修复算法。改进的算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程。有效避免了原始算法引入的阶梯效应,同时在平滑区域提高了迭代效率。针对整体变分(Total Variation TV)图像修复模型的缺点,提出基于图像分解的修复模型。提出一种新的基于纹理合成的图像修复算法,针对Criminisi算法优先权函数不准确等缺点,改进优先权函数;另外在模板的选择上,利用方差表征频率的变化来选择模板的大小,不仅可以抑制噪声对模板选择的干扰,也更能体现图像的局部差异性,从而能更加准确的寻找最佳匹配块,算法经过实验仿真也证明了其的准确性。采用图像分解技术,提取图像的结构信息和纹理信息。将图像结构部分用基于TV的改进模型进行修复,避免TV模型在平滑区域产生的阶梯效应。在迭代过程中,对图像的特征点与非特征点分别考虑,确保在修复过程中特征点不被模糊化;图像纹理部分采用改进的基于样本修复技术。最后通过matlab仿真实验,改进算法的修复效果和峰值信噪比计算结果优于原始算法。