数字图像修复是机器视觉中的研究热点,如今越来越多的研究者加入到图像修复的研究行列中,促使图像修复技术得到了快速的发展。然而,由于图像破损情况的复杂性,时至今日还没有一种修复算法能够适应于所有情况的修复。要完成图像的自适应修复,前提是能够对图像的破损区域自动分割提取,目前大多数的破损区域的确定还是靠人工来完成。文章用赣南地区红色文物作为图像处理的研究模体,在其基础上展开了对图像破损区域自动提取和修复的研究。具体内容如下:(1)聚类分析中的K-均值(K-Means Clustering)聚类是非常经典的无监督聚类算法。它原理较为简单并且能够快速收敛,而缺点也很明显:算法结果严重依赖初始中心的选择,并且全局寻优能力不足。灰狼优化算法是最近几年提出的一种元启发式算法,拥有良好的勘探与开发能力,文章提出一种结合灰狼优化和K-均值的混合聚类算法。实验证明,该混合算法以寻求一组最佳聚类中心为目标,在较快的收敛速度下能得到良好的全局搜索能力,提高了原始算法的稳定性和精确性。(2)自适应提取图像的破损区域一直是个研究热点,文章将提出的混合聚类算法应用到图像分割技术当中,以赣南红色文物图像为载体进行了对比试验,得到了更出色的提取效果,完成了图像自动修复的关键一步。(3)研究学习了图像修复中以偏微分方程理论为基础的不同修复模型,对赣南红色文物图像进行了虚拟修复。