使用visual studio，基于opencv完成一个直方图匹配算法，输入两个图片，完成彩色图片（三通道）的直方图匹配,要求处理两张图片的颜色分布不同的情况，并且可以处理两张图片的对比度不同的情况

以下是基于OpenCV和Visual Studio的彩色直方图匹配代码示例：

#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
    // 读取输入图片
    Mat src1 = imread(argv[1], IMREAD_COLOR);
    Mat src2 = imread(argv[2], IMREAD_COLOR);

    // 将图片转换为HSV色彩空间
    Mat hsv1, hsv2;
    cvtColor(src1, hsv1, COLOR_BGR2HSV);
    cvtColor(src2, hsv2, COLOR_BGR2HSV);

    // 计算两张图片的直方图
    int hbins = 30, sbins = 32;
    int histSize[] = { hbins, sbins };
    float hranges[] = { 0, 180 };
    float sranges[] = { 0, 256 };
    const float* ranges[] = { hranges, sranges };
    MatND hist1, hist2;
    int channels[] = { 0, 1 };

    calcHist(&hsv1, 1, channels, Mat(), hist1, 2, histSize, ranges, true, false);
    normalize(hist1, hist1, 0, 1, NORM_MINMAX, -1, Mat());

    calcHist(&hsv2, 1, channels, Mat(), hist2, 2, histSize, ranges, true, false);
    normalize(hist2, hist2, 0, 1, NORM_MINMAX, -1, Mat());

    // 进行直方图匹配
    Mat lookupTable(1, 256, CV_8U);

    for (int i = 0; i < 256; i++)
    {
        float h1 = hist1.at<float>(i / sbins, i % sbins);
        int j = 0;
        float h2 = hist2.at<float>(j / sbins, j % sbins);
        while (h1 > h2 && j < 255)
        {
            j++;
            h2 = hist2.at<float>(j / sbins, j % sbins);
        }
        lookupTable.at<uchar>(i) = j;
    }

    Mat matched;
    LUT(src1, lookupTable, matched);

    // 显示结果
    imshow("Source1", src1);
    imshow("Source2", src2);
    imshow("Matched", matched);

    waitKey(0);
    return 0;
}

上述代码中，我们首先将输入的彩色图片转换为HSV色彩空间，然后计算两张图片的直方图。直方图匹配的核心是通过查找表（lookup table）将源图像的像素值映射到目标图像的像素值。我们创建一个大小为256的查找表，然后对于每个源图像像素值，我们找到目标图像直方图中最接近的像素值，并将其保存在查找表中。最后，使用LUT函数将源图像转换为匹配的图像，并将结果显示出来。