数字图像修复技术的目的是恢复受损图像的完整性。修复过程是指根据一定的规则填充受损区域中的图像像素,并且需要填充后的破损区域与原始图像的其他区域之间在视觉上过渡自然平滑,最大限度地减少修复的痕迹。随着大数据时代的到来,图像数据呈爆炸式增长,传统的算法存在时间复杂度高的问题,以Spark为代表的云计算框架成为分析处理海量图像数据的一个优秀解决方案。本文研究的是图像数据补全系统的设计与实现,重点是改进了基于匹配的样本块的图像修复算法。针对现有的Criminisi算法及其改进算法存在匹配准则不合理以及难以满足大规模图像处理的问题,本文结合粗糙集的理念,提出一种基于WSDCA(Weighted similarity Data completion algorithm)算法的样本块图像修复算法,并基于Spark框架设计实现了一套图像修复系统。本文所作的主要工作及取得的成果包括:(1)深入研究了基于匹配的样本块图像修复算法的三个关键步骤和存在的问题,找到了改进算法的思路。(2)提出了一种基于WSDCA算法的样本块图像修复算法。该算法使用WSDCA算法作为匹配准则的改进基础,结合粗糙集理论在填补缺失数据的良好效果,较好地解决了匹配准则的不合理问题。实验结果表明,改进后的算法在PSNR上提高了 0.2-3dB。(3)设计并实现了一个基于Spark框架的图像数据修复系统。系统主要包括图像上传模块、数据预处理模块、图像修复模块和数据可视化模块,并使用Java编程语言、SpringMVC和Mybatis软件体系架构编码实现了系统。(4)搭建测试环境,对设计、实现的系统进行了测试。测试结果表明,本系统能够有效地完成图像修复。