1.读取彩色输入图像，可视化； 2.基于直方图均衡化的彩色图像对比度增强： 将输入图像由RGB空间映射至HSV空间，保持H与S通道不变，对亮度通道V进行直方图均衡化，映射回RGB空间，保存并可视化图像； 3. 直方图均衡化+饱和度增强：将输入图像映射至HSV空间，固定H不变；对亮度通道V直方图均衡化；对各像素的S通道增加一个小正数(如0.1, 0.3)，并确保增加后不超过1。最后由HSV空间映射回RGB空间，保存并可视化结果。代码

好的，以下是Python代码实现您的需求：

import cv2
import numpy as np
from matplotlib import pyplot as plt

# 读取彩色输入图像并可视化
img = cv2.imread('input.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)
plt.title('Input Image')
plt.show()

# 基于直方图均衡化的彩色图像对比度增强
hsv_img = cv2.cvtColor(img, cv2.COLOR_RGB2HSV)
hsv_img[:,:,2] = cv2.equalizeHist(hsv_img[:,:,2])
img_eq = cv2.cvtColor(hsv_img, cv2.COLOR_HSV2RGB)
plt.imshow(img_eq)
plt.title('Equalized Image')
plt.show()

# 直方图均衡化加饱和度增强
hsv_img = cv2.cvtColor(img, cv2.COLOR_RGB2HSV)
hsv_img[:,:,2] = cv2.equalizeHist(hsv_img[:,:,2])
hsv_img[:,:,1] = np.clip(hsv_img[:,:,1] + 0.1, 0, 1)
img_enhanced = cv2.cvtColor(hsv_img, cv2.COLOR_HSV2RGB)
plt.imshow(img_enhanced)
plt.title('Enhanced Image')
plt.show()

# 保存结果
cv2.imwrite('equalized.jpg', cv2.cvtColor(img_eq, cv2.COLOR_RGB2BGR))
cv2.imwrite('enhanced.jpg', cv2.cvtColor(img_enhanced, cv2.COLOR_RGB2BGR))

在代码中，我们首先使用OpenCV库读取彩色输入图像，并使用matplotlib库可视化图像。然后，我们使用cvtColor函数将RGB图像转换为HSV空间的图像，并在HSV空间中使用equalizeHist函数对亮度通道V进行直方图均衡化。接下来，我们使用cvtColor函数将HSV空间的图像转换回RGB空间的图像，并可视化结果。

对于直方图均衡化加饱和度增强，我们也是采用类似的方法，只不过在对每个像素的S通道增加一个小正数之前，需要先使用np.clip函数确保增加后不超过1。最后，我们使用cv2.imwrite函数将结果保存为图像文件。

希望这个代码对您有所帮助！