随着智能交通系统的发展，交通信号识别作为关键技术之一，在交通安全与自动驾驶领域具有重要意义。本文基于MATLAB平台，设计并实现了一个可视化的交通信号灯颜色识别系统。系统采用图形用户界面（GUI）交互方式，结合图像预处理、HSV颜色空间转换、阈值分割与像素统计等技术，实现了对红、黄、绿三种信号灯颜色的自动识别与显示。
作者：张家梁(自研改进)
引言
交通信号灯作为道路交通系统中的重要组成部分，其准确识别对于智能交通管理系统、无人驾驶技术、辅助驾驶系统等应用具有重要意义。传统的信号灯识别方法多依赖于传感器或复杂硬件设备，而随着图像处理技术的发展，基于视觉图像的信号灯识别逐渐成为研究热点。
MATLAB作为功能强大的科学计算与图像处理平台，为图像识别系统的开发提供了良好的环境和丰富的工具箱。本文依托MATLAB GUI技术，设计并开发了一套交通灯颜色识别系统，通过用户图形界面实现对交通灯图像的导入与处理，最终完成对交通信号颜色的判断与显示。该系统流程清晰、模块化程度高，便于扩展与优化，适合作为图像处理与智能识别相关课程的教学与科研应用平台。
本文将详细介绍系统的整体设计流程，包括图像预处理方法、HSV颜色空间转换及颜色阈值选取策略，并通过实验验证系统在不同条件下的识别效果，从而探讨其应用前景与优化方向。
系统架构
1.系统概述
本系统是一个基于 MATLAB 平台开发的交通信号灯颜色识别系统，集成了图像预处理、颜色空间转换、目标颜色提取与自动识别等多个图像处理模块，用户通过 MATLAB GUI 图形界面与系统交互，实现对交通信号灯颜色的自动判断与输出。
系统采用模块化设计，主要包括以下功能模块：
图像导入模块：通过文件选择器载入交通灯图像。
图像预处理模块：包括灰度变换、二值化、去噪与直方图均衡化，提升图像质量。
颜色空间转换模块：将 RGB 图像转换为 HSV 空间，便于进行颜色提取。
颜色识别模块：通过设定 HSV 阈值，提取红、黄、绿三种颜色区域，并通过像素统计判别当前亮灯颜色。
GUI界面显示模块：用户通过按钮控制各阶段流程，结果在图像窗口和文本框中实时显示。
该系统具备操作简单、识别准确、界面友好等特点，适用于智能交通领域初步研究、教学实验和算法原型验证等场景。
2.系统流程图
研究方法
本系统采用图像处理与颜色空间分析技术，结合 MATLAB GUI 设计，实现交通信号灯颜色的自动识别。整个处理过程可分为多个阶段，每个阶段都有明确的图像处理目标与对应的算法支持。以下是各阶段的具体实现方法。
颜色阈值设定：根据经验与测试结果，设定如下HSV范围：
实验结果
为验证所设计的交通信号灯颜色识别系统的有效性，本文分别选取了典型的红灯、黄灯、绿灯图像进行测试。测试过程中，使用系统提供的图像导入功能载入交通灯图片，依次完成图像预处理、HSV转换与颜色识别，并在图形用户界面中显示最终识别结果。
1.实验过程
图1 交通信号灯图像导入界面
图2 图像灰度化处理界面
图3 图像二值化处理界面
图4 图像去噪处理界面
图5 图像均衡化处理界面
图6 HSV颜色空间转换结果界面
图7 信号灯颜色识别与结果输出界面
2.实验结果
图1 基于Matlab的红灯识别界面
系统成功导入一张显示红灯亮起的交通信号灯图像，并通过 HSV 颜色空间处理提取红色区域。在识别区域内，红色像素分布最为密集。系统在"识别结果"栏正确输出"红灯"，识别结果与图像实际情况一致。
图2 基于Matlab的黄灯识别界面
系统导入了一张黄灯亮起的交通灯图像，并通过HSV通道提取黄色区域。虽然图像背景偏亮，但系统仍然能准确提取黄灯区域并识别为"黄灯"。
图3 基于Matlab的绿灯识别界面
系统加载了绿灯图像，通过 HSV 转换后有效提取了绿色区域，识别系统正确判定当前为"绿灯"，并在识别区域中高亮显示。
系统实现
本系统完全基于MATLAB平台开发，主要集成以下脚本与模块：
研究结论
本文围绕交通信号灯颜色识别问题，设计并实现了一种基于 MATLAB 图像处理的识别系统。系统通过 GUI 界面与用户交互，结合图像预处理、HSV颜色空间转换、颜色提取与像素统计等关键技术，实现了对红、黄、绿三种交通信号灯的自动识别。
实验环境
硬件配置如表：实验所用硬件平台为惠普（HP）暗影精灵10台式机整机，运行 Windows 11 64 位操作系统，作为模型训练与测试的主要计算平台，能够良好支持Matlab的开发需求。
官方声明
实验环境真实性与合规性声明：
本研究所使用的硬件与软件环境均为真实可复现的配置，未采用虚构实验平台或虚拟模拟环境。实验平台为作者自主购买的惠普（HP）暗影精灵 10 台式整机，具体硬件参数详见表。软件环境涵盖操作系统、开发工具、深度学习框架、MATLAB工具等，具体配置详见表，所有软件组件均来源于官方渠道或开源社区，并按照其许可协议合法安装与使用。
研究过程中严格遵循学术诚信和实验可复现性要求，确保所有实验数据、训练过程与结果均可在相同环境下被重复验证，符合科研规范与工程实践标准。
版权声明：
本算法改进中涉及的文字、图片、表格、程序代码及实验数据，除特别注明外，均由7zcode.张家梁独立完成。未经7zcode官方书面许可，任何单位或个人不得擅自复制、传播、修改、转发或用于商业用途。如需引用本研究内容，请遵循学术规范，注明出处，并不得歪曲或误用相关结论。
本研究所使用的第三方开源工具、框架及数据资源均已在文中明确标注，并严格遵守其