图像修复系列资料  通过图像分割和显著性检测这两个系列，我认为在开始写算法之前先放一篇综述整理会更好一些。  综述整理文会包含对该系列大体的介绍，介绍将会分析哪几个经典算法，以及在学习这些算法时我所参考的所有文章资源，我觉的一个算法靠一篇文章绝对无法使大家学会，所以大家可以看看我参考的那些博客，会事半功倍。  图像修复综述  首先辨别一下图像修复，图像复原，图像补全这仨的关系。  图像修复偏重修复划痕之类的这种小破损，而图像补全则偏重修复大块的缺损（包括物体移除之类的），图像复原则是提高图像的成像质量。  本系列的算法主要是图像修复/图像补全这种修复图像的算法。  图像修复(image restoration)包括很多任务，比如降噪/去噪(denoising)，超分辨率重建(super-resolution reconstruction)，图像填充(inpainting)，图像去模糊(deblurring)，JPEG去块(deblocking)等。  本图像修复系列涉及三个图像修复经典算法，分别是：  2003年，Criminisi等人提出的一种基于样本块的修补算法，Criminisi算法通过在待修复区域边缘上选取优先权最高的像素点p，以p为中心构造一个n×n大小的像素块，然后在完好区域寻找与该模板块最相似的样本块，用找到的样本块更新模板块中的待修复信息，最后更新已修复块中像素点的置信度，并开始下一次迭代修复，直至修复完成。    Telea在2004年提出的基于快速行进的修复算法（后面简称FMM算法），它基于快速行进方法。考虑图像中要修复的区域。算法从该区域的边界开始，并进入该区域内部，首先逐渐填充边界中的所有内容。    2009年Barnes提出了PatchMatch 算法。其核心思想是利用图像的连续性（consistence），一个图像patch块A附近的patch块的最近邻最有可能出现在A的最近邻附近，利用这种图像的连续性大量减少搜索范围，通过迭代的方式保证大多数点能尽快收敛。    图像修复博客整理  综述类：  图像修复系列-图像修复概述  图像填充修复- 传统算法总结  图像修复系列-图像修复概述  传统的图像修复方法摘要  图像修复文章汇总  图像修复方法总结以及深度学习的论文汇总  图像修复 图像补全_图像修复简介  【论文整理】图像修复(Image Inpainting)必读论文  图像修复技术  图像修复简介  修补图像的利器：基于纹理填充技术的Inpainting  纹理合成再谈 - 一种非参数的方法  Criminisi算法：  图像修复：Object Removal by Exemplar-Based Inpainting 学习笔记  Object Removal by Exemplar-Based Inpainting 翻译  复现《Region Filling and Object Removal by Exemplar-Based Image Inpainting》  图像修复一：Region Filling and Object Removal by Exemplar-Based Inpainting  Telea 的 FMM算法：  opencv图像修复算法cvInpaint(Telea的FMM算法）  通过OpenCV库实现基于FMM的图像修复概述  OpenCV中的图像修复算法  快速行进算法（Fast Marching）  python 快速行进 算法 图像修补  PatchMatch块匹配算法  图像修复：PatchMatch与Space-Time completion  PatchMatch核心算法（一）  Patchmatch算法简单实现  PatchMatch分析  patchmatch  PatchMatch算法  论文阅读笔记:《PatchMatch: A Randomized Correspondence Algorithm for Structural Image Editing》  THE END  今天就到这里啦，微信搜索【Opencv视觉实践】，对【计算机视觉/机器视觉】算法和软件开发感兴趣的小伙伴可以一起来学习呀。  关注后 后台回复  【电子书资源】可以领取10G计算机视觉/软件开发相关电子书  【手撕算法代码】可以领取手撕算法系列专栏的所有代码和PDF版论文  【加群】可以加入我们的视觉算法靓仔群~