【Python】Python红绿灯识别系统（源码+数据集）【独一无二】

---

👉博__主👈：米码收割机
👉技__能👈：C++/Python语言
👉公众号👈：测试开发自动化【获取源码+商业合作】
👉荣__誉👈：阿里云博客专家博主、51CTO技术博主
👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。

---

系列文章目录

---

---

一、设计要求

一、问题背景与需求分析

在智能交通系统中，红绿灯的自动识别是一个重要的功能模块。通过对交通灯颜色的识别，可以实现自动驾驶车辆的交通信号识别、驾驶辅助系统等功能。本设计旨在开发一个基于计算机视觉技术的红绿灯颜色识别系统，该系统可以实时检测交通灯的颜色并作出相应的提示。

本项目的核心需求包括以下几点：

1. 颜色识别：准确识别红绿灯的三种状态，即红灯、黄灯和绿灯。
2. 实时性：能够在图像或视频流中实时识别交通灯颜色。
3. 通用性：能够处理不同光照条件下的交通灯图像，具有较强的鲁棒性。

二、技术选型

为了实现上述需求，本项目选择了OpenCV作为主要的图像处理库。OpenCV是一个开源的计算机视觉库，提供了丰富的图像处理和分析功能，适用于红绿灯识别这类需要进行图像颜色检测的任务。具体来说，项目将使用以下技术：

• HSV颜色空间转换：将图像从BGR颜色空间转换到HSV颜色空间，以便更好地分离颜色。
• 颜色掩码：使用inRange函数生成颜色掩码，以检测红、黄、绿三种颜色的区域。
• 像素统计：通过计算掩码中非零像素的数量来判断交通灯的颜色。

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 代码 ” 获取，拿来即用。👈👈👈

三、模块化设计

为了提高代码的可读性和维护性，本项目采用了模块化设计，将功能划分为以下几个模块：

1. 图像读取模块：负责从本地文件中读取图像，并将其转换为合适的格式进行处理。
2. 颜色检测模块：将图像转换为HSV颜色空间，并生成红、黄、绿三种颜色的掩码，随后对掩码进行像素统计以判断交通灯的颜色。
3. 结果显示模块：在原图像上显示检测到的交通灯颜色，并将结果以图像形式展示给用户。

二、代码分析

1. 图像读取模块

首先，通过OpenCV的cv2.imread()函数读取本地图片。图像路径通过image_path变量指定。随后，使用cv2.cvtColor()函数将图像从BGR颜色空间转换到HSV颜色空间。HSV颜色空间具有亮度分离、色调和饱和度信息的特点，能够更容易地分割颜色区域。

image = cv2.imread(image_path)
# 此处代码略 至少10行
# 此处代码略 至少10行

2. 颜色检测模块

在HSV颜色空间中定义红、黄、绿三种颜色的上下限范围，并使用cv2.inRange()函数生成对应的颜色掩码。掩码是一个二值图像，其中满足颜色条件的像素为白色（255），不满足条件的像素为黑色（0）。

red_lower = np.array([0, 120, 70])
red_upper = np.array([10, 255, 255])
yellow_lower = np.array([20, 100, 100])
yellow_upper = np.array([30, 255, 255])
green_lower = np.array([40, 50, 50])
green_upper = np.array([80, 255, 255])

# 此处代码略 至少50行
# 此处代码略 至少50行
# 此处代码略 至少50行
# 此处代码略 至少50行

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 代码 ” 获取，拿来即用。👈👈👈

生成掩码后，使用cv2.countNonZero()函数统计掩码中非零像素的数量。通过比较红、黄、绿掩码的非零像素数量，判断图像中哪个颜色的像素最多，并将其作为交通灯的当前颜色。

# 此处代码略 至少50行
# 此处代码略 至少50行
# 此处代码略 至少50行
# 此处代码略 至少50行

if red_detected > yellow_detected and red_detected > green_detected:
    color = "Red"
elif yellow_detected > red_detected and yellow_detected > green_detected:
    color = "Yellow"
elif green_detected > red_detected and green_detected > yellow_detected:
    color = "Green"
else:
    color = "Unknown"

1. HSV颜色空间与BGR颜色空间的比较

HSV颜色空间是色调、饱和度、亮度三个通道的组合，相比于BGR颜色空间，HSV能够更好地描述颜色的纯度和强度。在实际应用中，HSV颜色空间能够有效地分离出色彩区域，不易受亮度的影响，从而更适合颜色检测任务。

2. 颜色掩码的生成

颜色掩码的生成是该项目的核心步骤。通过定义颜色上下限，能够准确地筛选出图像中对应颜色的像素区域。不同颜色的上下限范围的设定对最终的检测结果有较大影响，因此需要在实际应用中根据具体情况调整这些参数。

3. 像素统计与颜色判断

通过统计掩码中非零像素的数量，可以量化图像中某种颜色的占比。这种方法简单且有效，能够直接反映出颜色的强度。在多种颜色同时存在的情况下，比较不同颜色的像素数量来判断最终的交通灯颜色是一种直观且实用的方法。

本项目通过使用OpenCV和NumPy实现了一个基本的红绿灯颜色识别系统。该系统利用HSV颜色空间转换、颜色掩码生成以及像素统计等技术，能够有效地识别交通灯的颜色，并在图像上显示结果。尽管该系统在基本功能上能够满足需求，但在实际应用中还需要考虑更多复杂情况，如光照变化、颜色干扰、遮挡等问题。

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 代码 ” 获取，拿来即用。👈👈👈

---

三、结果展示

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 代码 ” 获取，拿来即用。👈👈👈

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 代码 ” 获取，拿来即用。👈👈👈

---