数字图像修复技术综述
数字图像修复定义：图像上对信息缺损区进行填充的过程，恢复图像。

1.背景
有很多因素会引起图像上局部信息的缺损：
非人为：对原来就有破损的图像进行扫描
数字图像获取、处理、压缩、传输和解压缩过程中，信息丢失所造成的图像缺
损。

人为：由于需要将图像中的某些部分如文字、物品等移除而造成的空白区
2.应用
文艺复兴时对破损文艺作品的修复
影视特技制作
多余目标去除（如删除文字、人物）
图像压缩与放大
视频通信中的隐匿错误
3.意义。

4.研究现状
评价图像修复标准
主观评价
均方差测度MSE
信噪比测度SNR
客观评价峰值信噪比测度PSNR
信噪比改进量测度ISNR
Rudin将图像看成是一段分段平滑的函数，在有界变差空间上对图像建模，所提出的TV模型具有延长图像边缘的作用，因此可用来修复图像。

但是虽然TV模型在保持边缘和数值PDE
Criminisi 原理：
1.确定待修复区域Ω以及已知的样本区Φ=R-Ω
2.为确保那些具有较强连续边缘与较多已知纹理信息的块先被修复，在边缘上任一点p ，需计算模板窗的优先权，模板块ψ(p)的优先权W(p)=C(p)D(p),分别为置信度项和数据项。

(置信度表示该像素点所含相关信息的多少，而数据项则为了保持强边缘的连续性)
3.找到模板块中优先权最大的一个像素点p ’，在样本中找一点q ’，即匹配块ψ(q ’)，使d （ψ(p ’)，ψ(q ’)）min ，则可以将ψ(q ’) 中的相应点代替ψ(p ’)中的未知点。

4.更新C(p)，C(q)=C(P ’)， ∀q ∈ψ(p ’)∩ Ω
5.重复3~5步，直到将待修复区域填补完整。

对线性结构和混合纹理（多重纹理）填补比较困难。

Criminisi 提出的是基于等照度线优先权的纹理修复方法，采用块匹配，对纹理修复有一定效果，但是对结构修复有一定局限性。

下面主要讨论一下基于纹理合成的快速自适应图像补全算法 算法基于
1.告别全局搜索，纹理图像的颜色、纹理有较强的方向性，通过计算纹理
方向角，缩小寻找纹理匹配块的范围，加快合成速度。

2.纹理合成次序问题，尽量使那些具有较多结构信息和纹理信息的破损区
先被修补，这主要由图像本身的特征函数----如带修补块的置信度和光照线性质。

3.修复图像视觉质量极大程度上取决于纹理模板的大小。

所对应的快速自适应纹理修复步骤：
1. 确定待修复区，选择一块具有主要纹理走向的纹理图像作为输入图像，辅助用边缘检测
算子进行预处理，滤除干扰，根据其频谱图，用离散逼近法求主方向角（，沿方向角确定搜索纹理匹配块大致领域范围 2. 计算块优先权：P(p)=C(P)+aD(p).克服填充过程中置信度降为零从而导致错误的填充次序， 3. 最大优先权值的模板（模板窗口ψ(p ’)的自适应选择，窗口大小与空间频率成反比）中
心点且在边缘上的p ’点，根据其梯度信息，自适应寻找用于纹理匹配的模板块ψ(q ’)，使d （ψ(p ’)ψ(p ’)4. 5. 重复3-5步。

此方法为修复大块纹理的目前最佳方案，对于线性结构的保持和二维纹理的修复效果佳。

视觉效果和计算效率也很好。

缺点：当最佳匹配块不存在时，修复效果不理想，对于曲线结构的修复不理想，对图像深度模糊不清的修复效果不理想。

对于静止图像如照片曲线结构的修复和视频中是个新方向。