Las imágenes capturadas en malas condiciones a menudo sufren de bajo contraste. En este artículo, proponemos un modelo de restauración lineal simple pero eficiente para mejorar las imágenes de bajo contraste. El diseño del modelo se basa en el espacio efectivo del gráfico de superficie 3D de la imagen. El espacio efectivo se define como el espacio mínimo que contiene el gráfico de superficie 3D de la imagen, y la proporción del valor del píxel en el espacio efectivo se considera que refleja los detalles de las imágenes. Se utilizan el prior del canal brillante y el prior del canal oscuro para estimar el espacio efectivo; sin embargo, pueden causar artefactos de bloque. Diseñamos el aprendizaje de píxeles para resolver este problema. El aprendizaje de píxeles toma la imagen de entrada como el ejemplo de entrenamiento y el componente de baja frecuencia de la entrada como la etiqueta para aprender (píxel por píxel) basado en el modelo de tabla de búsqueda. El método propuesto es muy rápido y puede restaurar una imagen de alta calidad con finos detalles. Los resultados experimentales en una variedad de imágenes capturadas en malas condiciones, como luz no uniforme, noche, neblina y bajo el agua, demuestran la efectividad y eficiencia del método propuesto.