Para abordar la susceptibilidad a la interferencia de ruido en pantallas Micro-LED, se propone en este documento un método de denoising de aprendizaje de diccionario convolucional profundo basado en parches de imagen distribuidos. En la etapa de preprocesamiento, se divide la imagen completa en parches de imagen localmente consistentes, y se aprende un diccionario basado en la representación dispersa no local auto-similar de parches de imagen distribuidos. Posteriormente, se emplea un método de aprendizaje de diccionario convolucional para la coincidencia de auto-similaridad global. Se combinan restricciones locales y globales para un denoising efectivo, y se obtiene el algoritmo de optimización final de denoising basado en la técnica de fusión ponderada por confianza. Los resultados experimentales demuestran que en comparación con los métodos de denoising tradicionales, el método de denoising propuesto restaura eficazmente los detalles de bordes finos e información de contorno en las imágenes. Además, muestra un rendimiento superior en términos de PSNR y SSIM. Es particularmente notable su rendimiento en el conjunto de datos en escala de grises Set12. Cuando se evalúa con ruido gaussiano, supera a DCDicL en 3.87 dB en el PSNR y en 0.0012 en SSIM.