LIME-low light/ night image enhancement 2017-tip 神作 效果惊人。包里含有完整的 测试代码； 直接可以使用作为对比

酸橙 曾经有一个叫做石灰的包裹， 谁的模型简直是崇高的， 它解释了它们的变化， 一次观察一次。 莱姆·瑞克（Mara Averick） 这是Python石灰包（ ）的R端口，该石灰包是由石灰（本地可解释模型不可知的解释）方法的作者开发的，用于黑盒模型解释。 该方法的发明全部归功于原始开发人员。 lime的目的是解释黑匣子分类器的预测。 这意味着对于任何给定的预测和任何给定的分类器，它都能够确定原始数据中促成预测结果的一小部分特征。 要了解有关lime的方法的更多信息，请阅读并访问的资料库。 R的lime包并不旨在成为其Python对应版本的逐行端口。 相反，它采用原始代码中列

LIME:Low-light IMage Enhancement，2017Tip xiaojie Guo 文章代码，亲测可以使用，Retinex的总变分模型，可以达到很好的效果。文章原理并不是很深奥，有问题可以给我私信。