需要一段在Anaconda环境下使用python语言的代码，计算车辆尾灯图像在各通道的像素值。 结合刹车灯、转向灯点亮与车辆尾灯未点亮在 RGB、HSV色彩空间直方图表现，通过设置个色彩空间通道阈值对车辆尾灯图像进行颜色图像分割，并对得到的二值化图像进行相关形态学处理，综合判断前车后尾灯区域是否点亮。

下面是可以在Anaconda环境下使用python语言的代码，计算车辆尾灯图像在各通道的像素值，并进行颜色图像分割和形态学处理：

import cv2
import numpy as np

# 读取图片
img = cv2.imread('path_to_image')

# 将图像从BGR转换为HSV
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 分离HSV通道
h_channel, s_channel, v_channel = cv2.split(hsv_img)

# 制作HSV色彩空间直方图
h_hist = cv2.calcHist([hsv_img], [0], None, [180], [0, 180])
s_hist = cv2.calcHist([hsv_img], [1], None, [255], [0, 255])
v_hist = cv2.calcHist([hsv_img], [2], None, [255], [0, 255])

# 制作RGB色彩空间直方图
b_channel, g_channel, r_channel = cv2.split(img)
b_hist = cv2.calcHist([img], [0], None, [256], [0, 256])
g_hist = cv2.calcHist([img], [1], None, [256], [0, 256])
r_hist = cv2.calcHist([img], [2], None, [256], [0, 256])

# 对HSV通道进行分割，得到尾灯区域的二值化图像
mask = cv2.inRange(hsv_img, (min_h, min_s, min_v), (max_h, max_s, max_v))

# 定义核
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))

# 进行形态学处理
opened = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)

# 统计尾灯区域像素个数
num_pixels = np.sum(opened == 255)

# 判断前车后尾灯区域是否点亮
if num_pixels > threshold:
    print("车辆尾灯亮起来了！")
else:
    print("车辆尾灯没有亮起来...")

在代码中，我们使用cv2模块来处理图像，首先将BGR图像转换为HSV图像，然后分别提取HSV通道，并制作HSV和RGB色彩空间直方图。接着，使用inRange函数根据设定的阈值分割出尾灯区域，并对得到的二值化图像进行形态学处理，统计像素个数，最终判断尾灯区域是否点亮。