图像修复的目标是从退化的输入图像中恢复出高质量的图像。尽管卷积神经网络（CNNs）在各类图像修复任务中已取得显著成果，但卷积操作受限于其感受野范围，难以有效利用感受野之外的信息。相比之下，基于自注意力机制建模输入长程依赖关系的Transformer，在多种高层视觉任务中展现出优异性能。本文提出了一种新型架构——像素级与块级交互Transformer（iiTransformer），通过显式建模像素级与块级的长程依赖关系，充分融合局部与非局部特征相关性带来的优势。此外，我们设计了一种无边界伪影的解决方案，可支持任意尺寸图像的处理。通过在多种图像修复任务上的大量实验，我们验证了iiTransformer作为通用骨干网络的潜力。