Python红绿灯代码

在Python中，我们可以使用Turtle模块来创建简单的红绿灯动画，它适用于初学者练习事件驱动编程和图形界面操作。以下是一个简化的红绿灯程序示例：

import turtle

# 定义颜色
red = 'red'
green = 'green'

# 创建窗口和画笔
window = turtle.Screen()
traffic_light = turtle.Turtle()
traffic_light.shape('circle')
traffic_light.color(red)

def switch_color():
    if traffic_light.color() == red:
        traffic_light.color(green)
    else:
        traffic_light.color(red)

    # 等待一段时间再切换颜色
    window.update()
    traffic_light.stamp()
    turtle.sleep(2)  # 模拟红绿灯周期，这里设为2秒

# 循环切换红绿灯
for _ in range(4):
    switch_color()

# 关闭窗口
turtle.done()

相关问题

python红绿灯代码

以下是一个简单的红绿灯代码示例，用Python编写：

import time

while True:
    print("Red light")
    time.sleep(5)  # 红灯亮5秒
    print("Green light")
    time.sleep(10)  # 绿灯亮10秒

这个代码将不断地循环执行，先打印 "Red light"，然后等待5秒钟，接着打印 "Green light"，再等待10秒钟。然后它会再次回到红灯状态，周而复始。这个程序可以通过控制LED灯等硬件设备来实现真正的红绿灯交通信号灯系统。

python红绿灯图像代码

以下是使用Python和OpenCV库实现的红绿灯图像识别代码示例：

import cv2

# 加载红绿灯图像
img = cv2.imread('traffic_light.jpg')

# 将图像转换为HSV颜色空间
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 确定红色区域的范围
lower_red = np.array([0, 50, 50])
upper_red = np.array([10, 255, 255])

# 确定绿色区域的范围
lower_green = np.array([50, 100, 100])
upper_green = np.array([70, 255, 255])

# 创建掩膜来过滤颜色
red_mask = cv2.inRange(hsv, lower_red, upper_red)
green_mask = cv2.inRange(hsv, lower_green, upper_green)

# 对于红灯区域，将其转换为白色，并对其进行膨胀操作以消除噪声
red_mask = cv2.bitwise_not(red_mask)
red_mask = cv2.dilate(red_mask, None, iterations=2)

# 对于绿灯区域，将其转换为白色，并对其进行膨胀操作以消除噪声
green_mask = cv2.bitwise_not(green_mask)
green_mask = cv2.dilate(green_mask, None, iterations=2)

# 找到红灯区域的轮廓，并绘制轮廓
red_contours, _ = cv2.findContours(red_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, red_contours, -1, (0, 0, 255), 2)

# 找到绿灯区域的轮廓，并绘制轮廓
green_contours, _ = cv2.findContours(green_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, green_contours, -1, (0, 255, 0), 2)

# 显示结果
cv2.imshow('Traffic Light', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先加载红绿灯图像，然后将其转换为HSV颜色空间。接下来，我们确定红色和绿色区域的颜色范围，并使用`cv2.inRange()`函数创建掩膜以过滤颜色。然后，我们对红色和绿色掩膜进行形态学操作，以消除噪声。最后，我们找到红灯区域和绿灯区域的轮廓，并将其绘制到原始图像上。最终，我们显示了结果。