随着计算机技术的发展和各种智能设备的出现,数字图像修复技术得到了广泛的应用。该技术可以利用图像中的已知区域信息对图像的破损部分进行补全。本文介绍了图像修复技术的研究背景与发展现状,对几种基于样本块的经典图像修复算法进行了算法说明与实验分析,并总结了该类算法中出现的问题。针对目前基于样本块匹配的修复算法不能有效描述图像结构区域,导致修复结构不连贯的问题,本文设计了一种基于偏移差值和结构化稀疏的图像修复算法。首先定义了一个新的特征偏移差值来衡量样本块的相似性,结合图像颜色特征构造样本块间相似度项,并利用该相似度项寻找最佳匹配块;然后将偏移差值信息和颜色信息共同作为稀疏约束项来构造约束方程,使稀疏表示信息更加准确,保持图像的邻域一致性。实验结果表明,本章算法对线性结构和重复区域的破损修复能获得更好的效果。针对基于样本块匹配的算法中搜索范围太大,干扰项过多造成匹配错误的问题,提出了一种基于主导偏移量的样本块图像修复算法。将图像每一对相似样本块之间的偏移量进行统计,并选出其中的M个主导偏移量;对优先权进行改进,使位于结构区域的样本块能得到优先填充;在搜索最佳匹配块时,仅对待匹配块经过上述偏移后指向的样本块及其邻域块进行计算,并从中选出N个最佳匹配块,并使用稀疏表示系数进行加权。实验结果表明,本文算法相较对比算法的PSNR结果提升了约1.5d B。