diffusion扩散模型去噪

扩散（Diffusion）模型去噪是一种利用扩散过程来降低图像噪声的技术。该方法基于偏微分方程（PDE）来描述图像的扩散过程，其中噪声会随着时间的推移被逐渐消除。

扩散模型去噪有许多不同的形式，其中最简单的形式是单向扩散模型（Isotropic Diffusion Model），它基于 2D Laplacian 模板来计算当前像素与相邻像素之间的差异，然后通过不断迭代，逐步平滑图像并去除噪声。

但是，常规的扩散模型去噪也存在问题，例如边缘和细节信息的丢失，以及因处理不当而造成图像模糊等问题。为了克服这些问题，人们开发了多向扩散（Anisotropic Diffusion）模型。

多向扩散模型基于法向导数，使用了不同的扩散系数来控制图像的平滑度，从而可以有效地去除噪声同时保留边缘信息。

但是，也需要注意的是，扩散模型去噪也有其局限性，例如，对于复杂图像或噪声密集区域，该模型可能无法准确处理，需要结合其他技术进行改进或修正。