图像修补(image inpainting)技术利用图像中已知的完好信息来对指定的受损区域进行修补,从而填补该区域的信息。它是改变图像的一个过程,要求最终图像的原有区域与填补区域间的过渡清晰自然。该技术的应用领域包括:图像恢复(如照片中的裂痕或胶片的划痕),特定目标物(如邮戳或军事基地等敏感信息)的去除,以及影视特技制作和虚拟现实等。目前,图像修复技术主要分为两类:一类是基于几何图像模型的,该技术适合于修补图像中的小尺度缺损。另一类是基于纹理合成的,该技术对于填充图像中大的丢失块有较好的效果。本质上,第一类技术是一种基于偏微分方程的修补算法,它利用热扩散方程将待修补区域周围的已知信息扩散到待修补区域。典型方法有BSCB模型,曲率驱动扩散(CDD)模型等。但是使用偏微分方程进行修补时,得到的结果往往比较模糊,这在修补大区域破损图像时更为明显。纹理合成技术方面的众多研究中,较为著名的是Efros和Leung提出的基于马尔可夫随机场的模型,它通过比较相邻点的匹配度,把误差最小的匹配点写入合成图中。基于此原理,Criminisi提出的基于样本块的图像修补方法取得了较为理想的效果。总体而言,这些算法存在一定缺点。基于偏微分方程的图像修补算法,其修补结果常常会呈现模糊,而基于样本块的修补算法在匹配样本块时因为使用全局搜索而降低了有效匹配的效率,甚至产生错误匹配的情况。针对这两种方法的不足,本文在以下三方面对基于样本块的修补算法进行了改进:1.提出一种更为合理的优先级计算方法,该方法在对样本块进行修补时能够可靠计算各点的优先级,避免因错误的填充次序而影响修补效果,有效保证图像结构和纹理的正确填充。2.提出缩小匹配样本块时的搜索范围,将原先被动的全局搜索改进为主动的局部搜索,在提高匹配度的同时大大加快了图像的修补速度。3.设计了一种窗口大小自适应的匹配算法,将原本大小固定不变的样本块窗口改进为大小随算法可变,进一步提高了修补效率。为了验证算法的有效性,本文实现了该算法并进行了大量的仿真实验。通过比较,发现本文算法不仅取得了理想的修补效果,更大幅度提高了修补速度。