用Python写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。 比较原始输入图像，以及两种处理结果，理解对比度增强以及饱和度增强。

好的，以下是Python代码实现：

import cv2
import numpy as np

# 读取彩色输入图像并可视化
input_img = cv2.imread("input_img.jpg")
cv2.imshow("input_img", input_img)
cv2.waitKey(0)

# 直方图均衡化的彩色图像对比度增强
hsv_img = cv2.cvtColor(input_img, cv2.COLOR_BGR2HSV)
h, s, v = cv2.split(hsv_img)
v_equalized = cv2.equalizeHist(v)
hsv_equalized = cv2.merge([h, s, v_equalized])
equalized_img = cv2.cvtColor(hsv_equalized, cv2.COLOR_HSV2BGR)
cv2.imshow("equalized_img", equalized_img)
cv2.waitKey(0)

# 直方图均衡化+饱和度增强
saturated_img = cv2.cvtColor(input_img, cv2.COLOR_BGR2HSV)
h, s, v = cv2.split(saturated_img)
v_equalized = cv2.equalizeHist(v)
s += 0.3
s[s > 1] = 1
saturated_img = cv2.merge([h, s, v_equalized])
saturated_img = cv2.cvtColor(saturated_img, cv2.COLOR_HSV2BGR)
cv2.imshow("saturated_img", saturated_img)
cv2.waitKey(0)

# 释放窗口
cv2.destroyAllWindows()

需要注意的是，上述代码中的`input_img.jpg`需要替换成实际的图像路径。此外，第三步中增加的饱和度系数可以根据实际情况自行调整，以达到更好的效果。