你好，帮我写一个利用小波变换自适应增强的图像增强的pytorch代码

你好！这是一个利用小波变换自适应增强的图像增强的PyTorch代码示例：

import torch
import pywt
import numpy as np
from PIL import Image


def wavelet_enhancement(img_path, scale):
    # 加载图像
    img = Image.open(img_path).convert('L')
  
    # 将图像转换为numpy数组
    img_array = np.array(img)

    # 小波分解
    coeffs2 = pywt.dwt2(img_array, 'haar')
    cA, (cH, cV, cD) = coeffs2

    # 缩放小波系数
    cA *= scale
    cH *= scale
    cV *= scale
    cD *= scale

    # 小波重构
    coeffs2 = cA, (cH, cV, cD)
    img_array_enhanced = pywt.idwt2(coeffs2, 'haar')

    # 转换为PIL图像并返回
    img_enhanced = Image.fromarray(np.uint8(img_array_enhanced))
    return img_enhanced


# 示例使用
img_path = 'image.jpg'  # 图像路径
scale = 1.5  # 增强的缩放因子

result = wavelet_enhancement(img_path, scale)
result.show()

请确保已经安装了`pytorch`，`numpy` 和 `PIL` 库。此代码将读取指定路径的灰度图像，并使用Haar小波变换进行自适应增强，然后显示增强后的图像。你可以根据需要调整代码，并在此基础上进行更多的图像处理操作。