人工光源通常会在夜间拍摄的图像上留下强烈的镜头眩光伪影。夜间眩光不仅影响视觉质量，还会降低视觉算法的性能。现有的眩光去除方法主要集中在去除白天的眩光，而在夜间效果不佳。夜间眩光去除具有挑战性，原因在于人工光源独特的亮度和光谱特性以及夜间捕捉到的眩光模式和图像退化的多样性。夜间眩光去除数据集的稀缺限制了这一重要任务的研究进展。在本文中，我们介绍了 Flare7K，这是首个专门用于夜间眩光去除的数据集，基于对真实世界夜间镜头眩光的观察和统计生成。该数据集提供了 5,000 张散射眩光图像和 2,000 张反射眩光图像，包含 25 种散射眩光类型和 10 种反射眩光类型。这 7,000 种眩光模式可以随机添加到无眩光图像中，形成带有眩光和无眩光的图像对。利用这些配对数据，我们可以有效训练深度模型以恢复真实世界中被眩光污染的图像。除了丰富的眩光模式外，我们还提供了详细的注释，包括光源标记、闪烁炫目（glare with shimmer）、反射眩光和条纹（streak），这些注释在现有数据集中通常是缺失的。因此，我们的数据集能够促进夜间眩光去除的新研究，并支持更细致的眩光模式分析。大量实验表明，我们的数据集为现有的眩光数据集增添了多样性，并推动了夜间眩光去除技术的发展前沿。