La finalización de imágenes, que corresponde a un tipo especial de problemas inversos, es una tarea importante pero desafiante. Las dificultades radican en que (i) los conjuntos de datos suelen ser multidimensionales; (ii) las entradas de datos no disponibles o corruptas están distribuidas aleatoriamente. Recientemente, las prioridades de rango bajo han cobrado importancia en problemas de completado de matrices y separación de señales; sin embargo, debido a la complejidad de los datos multidimensionales, el uso de una prioridad de rango bajo por sí sola a menudo es insuficiente para lograr un completado deseable, lo que requiere un enfoque más integral. En este documento, a diferencia de los enfoques disponibles actualmente, desarrollamos un nuevo enfoque, llamado variación total relativa (TRTV), bajo el marco tensorial, para integrar de manera efectiva la información de imagen local y global para el procesamiento de datos. Basándonos en nuestro marco propuesto, se establece un modelo de completado incrustado con TRTV y minimización de la norma nuclear de contracción tensorial con una regularización adecuada. Se presenta un algoritmo basado en el método de dirección alternante de multiplicadores (ADMM) bajo nuestro marco. Experimentos extensos en términos de tareas de eliminación de ruido y completado demuestran que nuestro método propuesto no solo es efectivo sino también superior a los enfoques existentes en la literatura.