Matlab 红绿灯检测

红绿灯检测是计算机视觉中的一个基本问题，可以使用 Matlab 中的图像处理工具箱实现。一般来说，红绿灯检测分为两个步骤：目标检测和分类。

目标检测可以使用常见的算法，如边缘检测、色彩分割和区域分割。其中，色彩分割可以使用 HSV 颜色空间，将图像转换到 HSV 颜色空间并提取红色和绿色区域。区域分割可以使用分水岭算法或连通区域分析等方法。

分类可以使用机器学习算法，如支持向量机（SVM）、决策树（Decision Tree）或神经网络等。在这个问题中，可以使用 SVM 分类器，将红灯和绿灯分类。

下面是一个简单的红绿灯检测的 Matlab 代码示例：

% 读取图像
img = imread('traffic_light.jpg');

% 转换到 HSV 颜色空间
hsv = rgb2hsv(img);

% 提取红色和绿色区域
red = hsv(:,:,1) < 0.05 | hsv(:,:,1) > 0.95;
green = hsv(:,:,1) > 0.25 & hsv(:,:,1) < 0.45;

% 消除噪声
red = bwareaopen(red, 50);
green = bwareaopen(green, 50);

% 分割区域
red_regions = bwlabel(red);
green_regions = bwlabel(green);

% 计算区域属性
red_props = regionprops(red_regions);
green_props = regionprops(green_regions);

% 使用 SVM 分类器分类红灯和绿灯区域
load('svm_model.mat'); % 加载 SVM 模型
red_idx = predict(svm_model, [red_props.Area red_props.Solidity]);
green_idx = predict(svm_model, [green_props.Area green_props.Solidity]);

% 显示结果
subplot(1,2,1), imshow(img), title('原始图像');
subplot(1,2,2), imshow(red_idx > 0), title('红灯区域');

需要注意的是，这个示例仅仅是一个简单的红绿灯检测代码，实际情况可能会更为复杂，需要更加优化的算法和更为准确的分类器。