LIME 低亮度图像增强的offical demo code

LIME（Low-Light Image Enhancement via Illumination Map Estimation）的官方demo代码可以在GitHub上找到：https://github.com/zccyman/LIME。

该demo代码使用Python语言和PyTorch深度学习框架实现了LIME算法，并提供了预训练的模型和测试图像，以供用户进行测试和实验。

具体使用方法如下：

1.克隆或下载代码库

2.安装PyTorch和其他必要的依赖项

3.下载预训练模型和测试图像

4.运行demo代码，输出增强后的图像

以下是示例代码的使用示例：

# import necessary modules
import torch
import numpy as np
from PIL import Image
from LIME import LIME

# load the pre-trained model
model = LIME()
model.load_state_dict(torch.load('model.pth', map_location='cpu'))

# load the test image
img = Image.open('test.png')

# convert the image to tensor and normalize it
img_tensor = torch.from_numpy(np.array(img)).float().permute(2, 0, 1)
img_tensor = img_tensor / 255.0

# enhance the image
enhanced_img_tensor = model(img_tensor.unsqueeze(0)).squeeze(0)

# convert the tensor to image
enhanced_img = Image.fromarray((enhanced_img_tensor.permute(1, 2, 0) * 255.0).numpy().astype(np.uint8))

# show the enhanced image
enhanced_img.show()

在运行上述代码之前，请确保已经在代码目录中下载了预训练模型和测试图像，并将它们放在正确的文件夹中。