以直方图均衡理论基础，编程实现图像直方图匹配算法；

图像直方图匹配是一种图像处理技术，其目的是通过调整图像的灰度级分布来改善图像的质量。直方图均衡化是一种常见的直方图匹配技术，可以将原始图像中的像素灰度值分布转换为更均匀的分布。但有时候，我们需要将一张图像的灰度级分布匹配到另一张图像的灰度级分布上，这就需要使用直方图匹配算法。

直方图匹配的基本思想是将目标图像的累积直方图映射到参考图像的累积直方图上，从而实现两幅图像的灰度分布匹配。下面给出一份基于Python语言实现的直方图匹配程序：

import cv2
import numpy as np

# 读取目标图像和参考图像
target_img = cv2.imread('target.jpg', cv2.IMREAD_GRAYSCALE)
reference_img = cv2.imread('reference.jpg', cv2.IMREAD_GRAYSCALE)

# 计算目标图像和参考图像的直方图
target_hist, _ = np.histogram(target_img.flatten(), 256, [0, 256])
reference_hist, _ = np.histogram(reference_img.flatten(), 256, [0, 256])

# 计算目标图像和参考图像的累积直方图
target_cum_hist = np.cumsum(target_hist)
reference_cum_hist = np.cumsum(reference_hist)

# 对目标图像进行直方图匹配
mapping = np.zeros(256, dtype=np.uint8)
for i in range(256):
    j = 0
    while reference_cum_hist[j] < target_cum_hist[i] and j < 255:
        j += 1
    mapping[i] = j

matched_img = mapping[target_img]

# 显示结果
cv2.imshow('Target Image', target_img)
cv2.imshow('Reference Image', reference_img)
cv2.imshow('Matched Image', matched_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

该程序首先读取目标图像和参考图像，并计算它们的直方图和累积直方图。然后，对于每个目标图像中的像素值，找到与之最接近的参考图像中的像素值，并将其赋值给匹配后的图像。最终，程序显示了原始图像、参考图像和匹配后的图像。

需要注意的是，该程序假设目标图像和参考图像的尺寸和灰度级范围相同。如果两幅图像不同，则需要对它们进行调整，以满足这些先决条件。