在低光照环境下捕获的图像通常面临复杂的退化问题。单纯通过调整光照，不可避免地会引入大量隐藏噪声并导致色彩失真。为从退化输入中获得光照合理、干净且逼真的图像，本文提出一种受“分而治之”原则启发的新型框架，显著缓解了各类退化之间的耦合问题。该方法假设图像可分解为纹理（可能包含噪声）与色彩成分，从而可分别对噪声进行去除、色彩进行校正，并同步实现光照调整。为此，我们提出将图像从RGB空间转换至亮度-色度空间。设计了一个可调节的噪声抑制网络，用于在增强亮度分量的同时消除噪声，并通过估计的光照图来指导噪声增强程度。增强后的亮度分量进一步作为引导信息，驱动色度映射模块生成真实自然的色彩。大量实验验证了所提方法的有效性，在多个基准数据集上均表现出优于当前最先进方法的定量与定性性能。相关代码已公开，地址为：https://github.com/mingcv/Bread。