数字图像修复是指利用数字图像中已知的信息，对图像破损区域或是要移除的部分按一定的规则进行修补，使其符合人类的视觉心理，得到使人满意的修复结果。该技术是计算机视觉，图像处理等领域研究的热点之一，被广泛应用于古文物、老照片的修复，图像中的文字的去除，目标物的移除，影视特效制作等领域。目前主要有基于结构和基于纹理两种图像修复方法。前者主要针对的图像要具有明显的结构信息，适用于破损区域小的待修复图像；后者主要针对的图像要具有丰富的纹理信息，适用于破损区域较大的待修复图像。本文通过对基于结构方法的BSCB模型，TV模型，CDD模型，基于纹理方法的纹理合成修复模型，样本块修复模型这五种典型的修复模型算法进行详细的理论和实验的分析比较，总结各类算法的适用范围以及优缺点。针对样本块修复算法中随着待修复图像破损区域的范围不断增大，在待修复区域线性结构中会有“断层”现象，以及修复过程中出现很多“垃圾物”，视觉效果并不好的问题，本文在样本块修复算法的基础上设计出一种黄金分割优先权块匹配的图像修复算法。新算法中首先利用在修复过程中图像的梯度值自动选择所用模板块尺寸的大小，若图像相对平滑，则选择较大模板块进行修复；结构、纹理信息复杂的图像则选择较小模板块进行修复。然后利用黄金分割的思想计算出待修复像素块的优先权，采用图像结构性强优先被修复的方法，同时又兼顾图像待修复点周围已知信息数量，这样符合人类的视觉心理学。最后在原算法的最佳匹配块搜索中增加了惩罚项，在选择匹配块的同时注意到同一块像素块被重复利用的次数，降低视觉上修复结果有人为修复的痕迹。在填充的过程中通过计算图像中拥有最佳修复优先权的像素块与新标准计算的最佳匹配块之间差的平均值，并将该平均值填充到对应的图像块中，从而起到补偿的作用。实验证明本文设计的修复算法，比起原有算法具有更好的视觉效果，更符合人类视觉心理。