利用opencv编写python完整的代码，实现交通灯颜色识别功能要求：颜色分割：交通灯的主要颜色为红色、黄色和绿色。通过颜色分割技术，将交通灯部分从背景中分离出来。通过分析图像中分割出来的区域的形状进一步识别出交通灯，要求代码完整

要利用OpenCV在Python中完成交通灯颜色识别，首先你需要安装OpenCV库（如果还没有安装，可以使用pip install opencv-python）。以下是一个基本的示例代码，它包含了颜色分割、形态学处理以及简单的颜色识别步骤：

import cv2
import numpy as np

# 加载图像
image = cv2.imread('traffic_light.jpg')

# 转换到HSV色彩空间，因为人眼对颜色敏感度在HSV中更高
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 定义红绿黄三个颜色的HSV阈值范围
red_lower = (0, 50, 50)
red_upper = (10, 255, 255)
green_lower = (40, 50, 50)
green_upper = (70, 255, 255)
yellow_lower = (30, 50, 50)
yellow_upper = (60, 255, 255)

# 分别创建颜色的掩码
lower_red = np.array(red_lower, dtype=np.uint8)
upper_red = np.array(red_upper, dtype=np.uint8)
mask_red = cv2.inRange(hsv_image, lower_red, upper_red)

lower_green = np.array(green_lower, dtype=np.uint8)
upper_green = np.array(green_upper, dtype=np.uint8)
mask_green = cv2.inRange(hsv_image, lower_green, upper_green)

lower_yellow = np.array(yellow_lower, dtype=np.uint8)
upper_yellow = np.array(yellow_upper, dtype=np.uint8)
mask_yellow = cv2.inRange(hsv_image, lower_yellow, upper_yellow)

# 对每个颜色进行形态学操作（例如膨胀），去除噪声并连接小区域
kernel = np.ones((5, 5), np.uint8)
red_mask = cv2.morphologyEx(mask_red, cv2.MORPH_OPEN, kernel)
green_mask = cv2.morphologyEx(mask_green, cv2.MORPH_OPEN, kernel)
yellow_mask = cv2.morphologyEx(mask_yellow, cv2.MORPH_OPEN, kernel)

# 结合所有颜色的掩码，得到交通灯区域
combined_mask = cv2.bitwise_or(red_mask, green_mask)
combined_mask = cv2.bitwise_or(combined_mask, yellow_mask)

# 找出轮廓并分析形状
contours, _ = cv2.findContours(combined_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for contour in contours:
    # 使用面积作为简单判断，假设交通灯区域较大
    if cv2.contourArea(contour) > 1000:  # 需要调整这个阈值
        x, y, w, h = cv2.boundingRect(contour)
        cropped_color = image[y:y+h, x:x+w]

        # 进一步分析颜色，这里仅做二值化和对比度检查，真实场景下可能需要更复杂的机器学习算法
        binary_cropped_color = cv2.threshold(cropped_color, 127, 255, cv2.THRESH_BINARY_INV)[1]
        avg_brightness = np.mean(binary_cropped_color)

        # 简单判断颜色（这里只是一个示例，实际应用需结合更多信息）
        if avg_brightness < 127:
            print("Detected red light")
        elif 127 <= avg_brightness < 170:
            print("Detected yellow light")
        else:
            print("Detected green light")

# 显示结果（注：这步可以省略，只用于观察过程）
cv2.imshow('Original Image', image)
cv2.imshow('Combined Mask', combined_mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意：这只是一个基础的示例，实际环境中可能需要考虑光照变化、遮挡等因素，并使用更精确的颜色匹配算法，比如SIFT、SURF、HOG等特征匹配，或深度学习模型。