Pytorch图像去噪实战（四十一）：低光图像去噪实战，解决夜景照片噪声重、偏色和细节丢失问题

一、问题场景：夜景照片噪声重，普通去噪模型越处理越脏

在真实图像增强项目里，低光图像是非常难处理的一类场景。

普通白天图片加一点高斯噪声，UNet、DnCNN 都能处理得不错。
但夜景、室内弱光、手机暗光照片就完全不一样。

我在做一个低光图片增强任务时遇到过几个典型问题：

• 暗部噪声密集
• 色彩偏绿或偏紫
• 去噪后细节丢失
• 亮度提升后噪声更明显
• 人脸皮肤变脏
• 黑色区域变成灰色块

一开始我直接用普通 RGB 去噪模型处理，结果发现：

高斯噪声模型在低光真实噪声下泛化很差。

低光图像不是简单的“噪声多”，而是同时包含：

• 亮度不足
• 颜色偏移
• 传感器噪声
• 压缩噪声
• 局部噪声不均匀
• 暗部细节缺失

所以低光去噪不能只做 denoise，而要同时考虑亮度和颜色稳定性。

二、低光噪声为什么难？

普通合成噪声一般假设：

noisy = clean + gaussia