数字图像修复技术是将破损、失真、有缺陷的数字图像恢复原貌的图像复原技术,在计算机图形学和数字图像处理领域有十分重要的理论和应用价值。目的是通过复原技术分析缺损图像信息,然后补充缺损信息,恢复原始图像中丢失的信息,保证整个图像能够被观察者接受并且将修复痕迹减小到最小。当前的数字图像修复技术可以概括为两大类:一类是基于高阶偏微分方程的图像修复方法,这类方法对于小尺度破损且分辨率低的图像,修复效果较好;另一类是基于纹理合成的图像修复方法,这类方法对受损面积较大且纹理丰富的图像修复效果较好。本文主要对基于样本块的纹理合成算法中的典型算法Criminisi算法及其改进算法Douglas Lanman算法进行了详细的分析与深入的研究,针对其修复顺序不可靠,修复耗时长及样本块大小固定不变等不足,提出了一种新的基于样本块的图像修复算法。首先,结合前人对Criminisi算法的改进,将优先权的计算方式由简单的数据项与置信项的乘积变为数据项与置信项相加,并赋予加权系数,得到更加合理的修复顺序,避免了数据项或置信项为0导致的修复结果不准确。其次,结合图像的局部相似性特征,将匹配块搜索区域限制在待修复块周围的邻域,提出一套新的最优匹配块搜索规则。测试结果表明:改进后的方法不仅可以明显改善修复图像的主观质量,而且大幅度缩短了修复时间。最后,针对结构特征清晰而纹理特征不明显的图像的修复,采用固定的样本块大小及局部搜索窗口大小,易产生误匹配的错误。因此,本文提出了一套新的样本块与局部搜索窗口动态调整策略来减少修复过程后期的错误衍生及块效应现象,从而提高修复的效果。实验表明,本文算法简单且易于理解和实现,修复速度与修复质量都能达到令人满意的效果,具有一定的实用价值。