一、项目简介
本系统是一个基于HSV色彩空间的交通信号灯颜色识别系统，能够自动判断图像中信号灯当前显示的颜色（红、黄、绿），适用于智能交通、辅助驾驶等场景。系统通过MATLAB GUI提供可视化操作界面，用户加载图像后可查看HSV各分量图像并获取识别结果。
核心算法流程：将RGB图像转换至HSV色彩空间，分别提取H（色调）、S（饱和度）、V（明度）三个分量并显示。根据红、黄、绿三色在HSV空间中的聚类特性，设定各颜色的阈值范围：红色（H:0.01~0.2，S:0.08~1，V:0.9~1）、黄色（H:0.09~0.4，S:0.16~1，V:0.8~1）、绿色（H:0.4~0.55，S:0.16~1，V:0.9~1）。遍历图像所有像素，分别统计落入各颜色阈值范围内的像素数量，取像素数量最多的颜色作为信号灯的当前状态，最终在图像上标注识别结果并输出至界面。
二、部分源码
clc;clear;close all;
%% 读入图像并将其从RGB空间转为HSV空间
filename, pathname = uigetfile({'*.jpg;*.tif;*.png;*.gif','All Image Files';'*.*','All Files' },'载入图像',fullfile(pwd, 'images'));
src=imread(filename);
% rgb2hsv:色调、对比度、亮度
light_hsv=rgb2hsv(src);
figure;imshow(light_hsv);title('HSV图像');
H=light_hsv(:,:,1);
S=light_hsv(:,:,2);
V=light_hsv(:,:,3);
% 作图
figure;imshow(src);title('原始图像');
figure;imshow(H);title('H分量');
figure;imshow(S);title('S分量');
figure;imshow(V);title('V分量');
% 设置阈值范围
lightsrc0=zeros(size(src));% 设置lightsrc0来对三色范围像素点进行存储
rowG,colG=ind2sub(size(light_hsv),find(H>0.4 & H<0.55 & S>0.16 & S<1 & V>0.9));% 绿色阈值范围
rowR,colR=ind2sub(size(light_hsv),find(H>0.01 & H<0.2 & S>0.08 & S<1 & V>0.9));% 红色阈值范围
rowY,colY=ind2sub(size(light_hsv),find(H>0.09 & H<0.4 & S>0.16 & S<1 & V>0.8));% 黄色阈值范围
lightcolor=size(rowG,1),size(rowR,1),size(rowY,1);%各颜色范围像素点
三、运行结果
四、总结
本文实现了一套基于HSV色彩空间的交通信号灯识别系统，完成色彩空间转换、各分量提取、阈值范围统计和颜色判别的完整流程。系统利用HSV空间将颜色信息与亮度信息分离，相比RGB空间对光照变化具有一定的鲁棒性。主要不足在于：阈值范围固定，对光照变化和不同信号灯设备适应性有限；仅统计像素数量，无法区分信号灯区域与其他同色背景区域。后续可结合形状检测定位信号灯区域，或采用深度学习目标检测方法提升复杂场景下的识别准确性。
五、代码获取
接matlab程序定制和论文设计，方向如下：
图像处理｜语音识别｜图像识别｜目标检测｜深度学习｜神经网络｜强化学习｜机器学习｜通信系统｜信号处理｜时频分析｜小波降噪｜路径规划｜优化算法｜智能算法｜数据处理｜数学建模｜文献复现｜算法复现｜模型复现等
程序包运行成功，零基础的可以远程帮你运行，赠送安装包。
作为初学者，遇见不会的问题是非常正常的事情，具体代码仿真可通过主页添加 私信博主。