基于样图的纹理合成是近年来发展起来的一种新的纹理合成技术:给定一小块纹理,生成大块相似的纹理。它用于解决传统方法中出现的接缝、扭曲和参数调整问题,在图像编辑、缺损图像的填充、数据压缩、网络数据的快速传输、大规模场景的生成以及真实感和非真实感图像的绘制等方面都显示了广泛的应用前景,受到越来越多研究人员的关注,是目前计算机图形学、计算机视觉和图像处理等领域的研究热点之一。本文研究了三种经典的纹理合成算法,分析了其各自的特点和不足。在结合各自的优点基础上,设计并实现了一种改进算法。另外,还研究了纹理合成在数字图像修复中的应用,针对现有算法的不足,提出了改进算法,通过仿真实验证明了改进算法的有效性。本文的具体研究内容如下:(1)研究了基于MRF模型的纹理特征分析在纹理合成中的应用。重点研究了WL、Ashikhmin和Efros01三种经典的基于MRF模型的纹理合成算法,详细论述了这三种算法的原理,特点以及步骤。(2)在研究和总结现有的纹理合成算法的基础上,根据纹理的邻域相关性相关性,设计并实现了一种改进的纹理合成算法,通过实验证明了改进的纹理合成算法的有效性。(3)研究了纹理合成算法的三个主要参数(样本块的尺寸、重叠区域的尺寸以及样本块的数量)对纹理合成质量和速度的影响。在分析了实验结果的基础上,得出了应对不同纹理合成需求的参数选取方案。(4)研究了基于样图的纹理合成在图像修复中的应用原理,在现有算法的基础上,分析了修复过程的具体实现步骤,讨论了其中的关键因素(修复顺序)对图像修复结果产生的影响。(5)通过对图像进行纹理分割的预处理来指导匹配块的搜索,以及采用新的修复顺序来改进已有的图像修复算法。通过实验表明,改进算法在移除物体和破损区域填充时的图像修复效果均优于已有的算法。