论文题目：HVI: A New Color Space for Low-light Image Enhancement
应用任务：低光照图像增强 (LLIE)、去雾、水下图像增强
核心模块：RGB_HVI (色彩空间变换), CIDNet (颜色强度解耦网络)
论文原文 (Paper)：https://arxiv.org/abs/2502.20272
官方代码 (Code)：https://github.com/Fediory/HVI-CIDNet
摘要：
本文提取自2025年最新论文《HVI: A New Color Space for Low-light Image Enhancement》。针对现有低光照增强方法在sRGB 空间容易产生色偏 (Color Bias)，而在HSV 空间容易引入红色伪影 (Red Artifacts)和黑色噪声 (Black Noise)的痛点，复现了其核心创新——HVI 色彩空间及其配套的CIDNet。HVI 通过极坐标映射和可学习的强度分量，从数学底层解决了传统色彩空间的缺陷，是提升图像增强真实感的“物理外挂”。
目录
- 第一部分：模块原理与实战分析
- 1. 论文背景与解决的痛点
- 2. 核心模块原理揭秘
- 3. 架构图解
- 4. 适用场景与魔改建议
- 第二部分：核心完整代码
- 第三部分：结果验证与总结
第一部分：模块原理与实战分析
1. 论文背景与解决的痛点
在做低光照增强时，我们通常面临两难选择：
- sRGB 空间的坑：RGB 三个通道高度相关，增强亮度时很容易打破通道间的比例，导致图像变色（比如灰色的墙变成偏蓝）。
- HSV 空间的坑：为了解耦亮度和颜色，很多人转用 HSV。但 HSV 有两个致命缺陷：
- 红色伪影：Hue（色相）是一个角度值，在红色处（0°/360°）不连续。在增强时，这种不连续性会导致严重的块状红色伪影。
- 黑色噪声：HSV 的 Value（亮度）通常取 RGB 的最大值，这会放大暗部的噪声（Black Noise）。
痛点总结：我们需要一种色彩空间，既能像 HSV 一样解耦亮度和颜色，又能避免数学上的不连续性和噪声放大。
2. 核心模块原理揭秘
为了解决色彩空间的根本问题，论文提出了HVI (Horizontal/Vertical-Intensity)空间。我已将其封装为即插即用的 PyTorch 类RGB_HVI，其核心逻辑如下：
HVI 色彩空间变换：
