參考文獻：PatchMatch: A Randomized Correspondence Algorithm for Structural Image Editing
正如題目所說--A Randomized Correspondence Algorithm for Structural Image Editing ，重點在於其隨機特性。
這種A和B的圖像匹配來源於最初的Nearest-Neighbor Field (NNF) ，通過某種尺度找到A中每一個patch對應的B的最近鄰patch。（如下圖）
Region Filling and Object Removal by Exemplar-Based Image Inpainting 該論文是04年一篇圖像補全的論文，此論文的核心思想是利用圖像本身的冗余性。
該算法的問題是1.只適用於補全背景以低頻信息和重復性紋理為主的圖像，2.搜索相似的patch計算復雜度非常高，算法運行效率低。
patchmatch的作者通過觀察發現了原有補全的三個重要特性並提出了使用增量更新計算NNF的隨機算法針對上述算法的問題2進行優化，三個特性如下：
1.由於offset space的大小由patch決定， 之前的研究中有很多學者利用類似於pca，kd-tree這樣的策略去壓縮offset space。本文的算法是在2-d 的offset space中計算的。（這個是我之后可以關心的）
2.利用匹配的圖像的自然結構，利用相鄰像素之間的依賴性。
3.按照概率，初始化的patch很多的情況下，那么其一個都沒有命中正確對應patch的概率會很小。
*****額外基礎概念
reshuffle 圖像重組
reshuffle將一張圖片進行重新組合，如將人工按照想要的方式使得圖像看起來更自然。