图像修复是指填充图像内指定区域的缺损数据的处理过程。这项技术已经被广泛用于各个领域,包括医学图像的修复、文物的修复、犯罪现场的还原、电影胶片上划痕以及污迹的消除等等。 本文主要探讨图像修复方法。首先回顾了图像修复技术的产生背景、发展状况,以及国内外的研究现状;然后介绍了图像修复方法的理论与技术基础、分类和几种有代表性的图像修复模型;最后,详细阐述了本文的两个重点研究内容:基于邻近象素点的修复算法和方向性纹理图像的修复算法。 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,但是,这些修复算法大多在实现上比较复杂,有些修复算法还涉及到解高阶的偏微分方程。在本文中,通过定义修复区域内象素点的优先度,我们提出了一种基于邻近象素的图像修复算法。该算法不需要大量的纹理匹配计算和复杂的偏微分方程求解,易于理解和实现。 对于自然图片和一些强方向性纹理图像,如果有污点或者希望去掉覆盖了背景的某些多余目标,直接擦掉它们后会留下一个“空洞”。针对这种强方向性纹理分布图像,我们提出一种修复算法去填充这些“空洞”。由于强方向性,算法通过在局部区域选择图像块以合成缺失的图像块。若缺失信息的图像块B_T附近有一个已知图像块B_TN,沿着纹理/颜色分布的方向或者约束的方向搜索,可以找到与B_TN最相似的块B_SN,并用B_SN附近的图像块B_S去更新B_T。在更新B_T前,计算块与块重叠部分的最小误差路径,并用它作为拼接的更新边界,以减小拼接的痕迹。最后本文给出了对不同的纹理图像进行修复的实例,以说明方法的有效性。