传统基于样本块的图像修复算法中样本块大小是固定不变的,在修复过程中无法根据图像的具体情况进行调节,这在很大程度上影响了图像的整体修复效果。为了解决这一问题,提出一种自适应确定样本块大小的方法。该算法通过分析图像的梯度域变化,获得各像素点处的结构信息,进而自适应确定待修复样本块的大小。仿真实验结果表明,该算法能够有效克服传统方法中经常出现的诸如结构误传播、图像整体结构丢失等缺点,对具有明显结构变化的图像取得了比较理想的修复效果。

在研究Criminisi修复算法的基础上，提出了改进的基于样本块的图像修复方法。根据图像的待修复面积及其纹理特征，自适应选取样本块大小，提高修复的速度；采用新的数据项，改进优先权公式，避免阶梯效应的产生；重新定义置信度的更新公式，引入曲率距离，减少因置信度更新而累计的误差，提高修复顺序的准确性。实验表明，改进的方法能够有效提高修复的效果，减少修复所需时间。

在快速傅里叶变换(FFT)方法处理单幅干涉图原理的基础上,提出一种基于样本块匹配的干涉图延拓方法,利用干涉图像的可信度和等照度线特征,来确定待填充块的优先权,然后在干涉图的已知区域寻找与待填充块最相似的样本块来进行填充。充分利用了干涉图的条纹特征,结合梯度变化方向有效地合成纹理信息,具有很好的延拓效果。最后将该干涉图延拓方法与傅里叶变换,合适的滤波函数和相位解包方法结合起来形成整套单幅干涉图处理方法。采用该单幅干涉图处理方法获得的波面峰谷值与Zygo移相干涉仪得到的平均相差不到λ/100,并且两种方法获得的波面均方根值平均相差不到λ/200。

基于样本块修补算法代码matlab，主要有3 个步骤: ①确定最高优先权的修补块; ②拷贝最佳样本块的图像信息; ③更新自信度。