用python代码实现一下步骤 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。

好的，以下是实现上述步骤的Python代码：

import cv2
import numpy as np

# Step 1: 读取彩色输入图像，可视化
img = cv2.imread('input_image.jpg')
cv2.imshow('Input Image', img)
cv2.waitKey(0)

# Step 2: 基于直方图均衡化的彩色图像对比度增强
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
h, s, v = cv2.split(hsv)
v_eq = cv2.equalizeHist(v)
hsv_eq = cv2.merge((h, s, v_eq))
enhanced_img = cv2.cvtColor(hsv_eq, cv2.COLOR_HSV2BGR)
cv2.imshow('Enhanced Image (Histogram Equalization)', enhanced_img)
cv2.waitKey(0)

# Step 3: 直方图均衡化+饱和度增强
s_add = 0.3
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
h, s, v = cv2.split(hsv)
v_eq = cv2.equalizeHist(v)
s_new = np.clip(s + s_add, 0, 1)
hsv_enhanced = cv2.merge((h, s_new, v_eq))
final_img = cv2.cvtColor(hsv_enhanced, cv2.COLOR_HSV2BGR)
cv2.imshow('Final Image (Histogram Equalization + Saturation Enhancement)', final_img)
cv2.waitKey(0)

# 保存结果
cv2.imwrite('enhanced_image.jpg', final_img)
cv2.destroyAllWindows()

请注意，以上代码中的 `input_image.jpg` 是指待处理的彩色输入图像的文件名，可以根据实际情况进行修改。执行以上代码后，将会依次显示三张图像，分别是原始输入图像、基于直方图均衡化的彩色图像对比度增强的结果，以及直方图均衡化加饱和度增强的最终结果。同时，最终结果也会保存在名为 `enhanced_image.jpg` 的图像文件中。