Pytorch图像去噪实战（八）：Noise2Void盲点网络图像去噪实战，只有单张带噪图也能训练

Pytorch图像去噪实战（八）：Noise2Void盲点网络图像去噪实战，只有单张带噪图也能训练

一、问题场景：我只有一批带噪图，没有clean，也没有成对noisy

上一篇我们讲了 Noise2Noise，它不需要干净图，但需要同一场景下两张独立带噪图。

但真实项目里还有更极端的情况：

我只有一批带噪图，每张图只有一份，没有clean，也没有 paired noisy。

比如：

• 老照片扫描
• 历史档案
• 用户上传图片
• 网络爬取低质量图片
• 单次医学采集图像

这时 Noise2Noise 也不适用了。

那么还能不能训练去噪模型？

答案是可以，思路就是：Noise2Void / Blind-Spot Network。

二、Noise2Void核心思想

Noise2Void的核心非常巧妙：

不让模型看到当前像素本身，而是让它根据周围像素预测当前像素。

因为自然图像的结构具有空间相关性，而随机噪声通常不具备这种稳定相关性。

举例：

一个像素周围都是文字边缘，那么当前像素大概率也是边缘附近