数字图像修复是一项自动地对图像中丢失、受损区域修复重建或者移除指定目标对象的技术。在这个数字化、智能化的时代,图像修复过程完全可以交由计算机来处理。数字图像修复已经发展了二十年,不同类型的图像修复方法层出不穷,诸如TV模型、低秩矩阵填充模型和生成对抗网络修复模型。在现有的几种修复算法模型中,本文主要介绍了基于样本块填充的修复模型,该模型由于将图像的结构和纹理信息进行了综合考虑,且对于较大缺失区域的修复效果不错,因而得到较多的研究关注。目前虽然在待填充样本块优先权计算部分、置信值更新部分有较多的改进模型,但在修复图像纹理较为丰富的情况时,修复效果不是很理想。为此本文提出一种在待修复样本块寻找最佳样本匹配块的过程中,通过对样本块中的像素点加入方向梯度的约束,以更好的判断所选样本块是否为最佳样本匹配块,可以保证已知图像区域的纹理与结构信息得到较好传播与延伸。实验结果表明,不论是使用客观评价还是使用PSNR评价指标,本文改进算法能有效的保证在修复纹理与结构较为丰富的图像时,仍能取得不错的修复视觉效果。在修复过程中,我们发现在该修复算法执行之前,需要人为指定修复区域的具体位置,并制作掩膜图像,然后根据掩膜图像提供的精确修复位置信息,以此对受损区域进行修复,这一过程仍需要专业的人员进行操作。因而,本文在改进的基于样本块填充修复的基础上,结合文本检测算法制作待修复区域的掩码信息,对水平文本自动检测修复理论作了介绍、分析与探讨,并对图片中水平文字的自动定位、移除、修复过程进行仿真,实验结果表明,自动检测修复算法的修复结果图与需要人为指定待修复区域的修复算法视觉效果相当,PSNR指标值也几乎一致,有效证明了自动检测修复算法的可行性与实用性。