RetinexNet

收录理由

夜间或暗光环境下拍摄的照片常常模糊不清，这个项目用简洁易懂的TensorFlow代码实现了BMVC 2018上提出的RetinexNet方法。它的核心思路是把图像拆成光照层和反射层，只对光照部分做提亮，同时保留反射层里的细节，因此很适合作为夜视或监控图像预处理的一个参考起点。模型本身不大，用GPU训练只需几分钟，CPU也能跑得动；自带的测试脚本可以直接指向一个图片文件夹，快速输出增强结果，上手门槛很低。不过要留意，这是2020年的研究代码，并非持续维护的工程产品，TensorFlow 1.x的写法很可能需要自己改造才能融入现代项目。但作为低光增强的入门范例，它的逻辑清晰，容易读懂。