数字图像在其采集及传输过程中,难免会受到不同类型的噪声干扰。噪声的引入会降低图像的主观视觉质量,并且会对其需要进行后续处理及识别的图像造成严重影响。数字图像修复在图像处理领域中同样处于重要的位置,并且其应用前景很广泛。图像去噪和修复的各类算法,都还存在很多需要不断完善之处,特别是针对图像纹理及细节区域的处理往往还不够令人满意。为此,本文深入研究各种经典的图像去噪和图像修复算法,并且在原始非局部均值滤波(Non-local means,NLM)基础上,分别提出了针对去噪和修复的改进方案。非局部均值滤波的核心思想是利用自然图像中本身就存在的大量冗余信息,对每个像素周围的整个区域灰度分布作对比,根据像素周围区域分布的相似性来决定其对应的相似权值大小,最后通过对这些样本像素进行高斯加权平均的方式得到待处理像素的灰度估计值。原始NLM在图像的平滑区域去噪效果良好,但在边缘结构区域以及纹理较为复杂区域性能较弱。本文主要工作和创新点如下:(1)图像去噪方面,改进了非局部均值滤波算法。本文分别针对图像的平滑区域和边缘结构及纹理区域作了两次处理,首先针对含噪图像的平滑区域,使用相对大尺度的像素搜索窗和像素相似窗预生成粗略的相似集后得到一次去噪后的图像,然后对于经过一次处理后的图像,选择相对小尺寸的像素搜索窗和相似窗预生成精确的相似集,排出不相似集,对图像进行第二次去噪处理,以获取最终效果图。仿真实验结果说明了本文的新算法在提高NLM性能的同时,在图像的结构信息及纹理信息保持得更好。(2)图像修复方面,提出了一种具有较好修复效果的图像修复算法。本文结合非局部均值滤波和Criminisi算法,对于待修复块,通过SSD匹配准则搜索出一定的样本生成样本集,然后引入Hausdorff距离,对样本集进行加权平均得到最终的匹配块,进而使得图像边缘结构部分得到优先传播,降低了图像的误匹配率。仿真实验说明本文算法对图像的边缘结构区域的修复效果有了明显提高,并且对各类图像均取得了较高的图像修复质量。