這篇文章應(yīng)用計算機視覺和圖像處理技術(shù)劣像，展示了檢測烤箱開關(guān)狀態(tài)的過程屋群。在生活中对竣，有時你會粗心大意忘關(guān)烤箱之類的廚房電器烦味，這潛在很大的危險谬俄。因此作者采用 Python 和 OpenCV，通過家庭攝像頭獲取的圖像來自動識別烤箱是否開著弃理，進而可以觸發(fā)警報溃论。
“我忘關(guān)烤箱了嗎？”
這個問題常常會在最不方便的時候出現(xiàn)在你的腦子里痘昌。
有時是當你剛剛走出家門的時候钥勋。 有時是當你在上班路上的時候。 有時是當你坐在飛機上準備度個長假的時候……
解決這個問題的方法是多種多樣的：
橡皮筋的方法
大聲說或唱出來（就像 Samuel L. Jackson 一樣）
當你離開家去度假的時候辆苔，給烤箱在內(nèi)的電器列個清單或做個標記算灸。 或者，我們也許有更好的做法……
在本教程中驻啤，我們會嘗試利用技術(shù)手段解決這個問題菲驴。
Github 里有完整代碼。
問題定義
對我們而言骑冗，我們需要確定一個信號赊瞬，用于判斷烤箱的開關(guān)狀態(tài)先煎。在我的廚房里，這個信號就是頂部標記著“烤箱開”字樣的紅色燈巧涧。
當紅色燈亮的時候薯蝎，烤箱是開著的：
當紅色燈滅的時候，烤箱是關(guān)著的：
預(yù)備條件
確保你的電腦上安裝了以下應(yīng)用：
OpenCV 3.0
Python 2.7
Numpy 1.9
安裝 OpenCV3.0 和 Python 2.7
如果你尚未安裝 OpenCV谤绳，請按照 Adrian Rosebrock 的完美教程占锯，在 OSX 系統(tǒng)上安裝 OpenCV 3.0 和 Python 2.7+。我在安裝步驟里增加了一些自己的注釋闷供，以防你在 OSX 上編譯 OpenCV 3.0時遇到問題烟央。
步驟
如果你已經(jīng)成功在你的環(huán)境中安裝了 OpenCV，我們就可以開始判斷烤箱開關(guān)的數(shù)據(jù)分析了歪脏。
加載需要的包
argparse —— 參數(shù)處理庫疑俭。
numpy —— 高度優(yōu)化的數(shù)值運算庫。OpenCV 在數(shù)組結(jié)構(gòu)中使用 numpy婿失。
cv2 —— OpenCV 中圖像處理庫钞艇。
import?argparse
import?numpy?as?np
import?cv2
載入圖片
image = cv2.imread(image_path)
圖片降噪
我們?yōu)榱私o圖片降噪，需要對輸入圖片進行平滑處理豪硅。這樣會更容易在圖片中定位目標哩照。使用 medianBlur 函數(shù)，把光圈大小定為 3 懒浮。數(shù)字越大意味著圖像會越模糊飘弧。
blur_image = cv2.medianBlur(image, 3)
把圖片顏色轉(zhuǎn)為 HSV 格式
HSV —— 色度、飽和度和純度（亮度）砚著。HSV 可以讓我們提取出一個彩色對象次伶，因為它比 BGR 格式（譯者注：與我們常說的RBG色彩模型類似，三個字母分別代表紅藍綠三色）更容易表征顏色稽穆。
把圖片轉(zhuǎn)為 HSV 格式可以讓我們通過色度（一個值而不是三個值）冠王，來確定圖片中的一個顏色。
以下是實現(xiàn)方式：
hsv_image = cv2.cvtColor(blur_image, cv2.COLOR_BGR2HSV)
執(zhí)行結(jié)果如下圖：
檢測圖片中的顏色
為了檢測我們想要的顏色舌镶，我們可以查看烤箱燈圖片中顏色的直方圖柱彻。
我們可以看出餐胀，紅色在圖片中占統(tǒng)治地位。紅色有兩個高峰 —— 一個幅度高卖擅，一個幅度低。這些顏色值轉(zhuǎn)變?yōu)樯确秶鷱?0 到10，以及從 160 到 180 （針對紅色）。
在 HSV 圖片中針對每一個色度范圍琳猫，我們可以創(chuàng)建一個遮罩，來去掉所有不在選定范圍的無關(guān)顏色私痹。
def?create_hue_mask(image, lower_color, upper_color):
lower = np.array(lower_color, np.uint8)
upper = np.array(upper_color, np.uint8)
# Create a mask from the colors
mask = cv2.inRange(image, lower, upper)
output_image = cv2.bitwise_and(image, image, mask = mask)
return?output_image
# Get lower red hue
lower_red_hue = create_hue_mask(hsv_image, [0, 100, 100], [10, 255, 255])
# Get higher red hue
higher_red_hue = create_hue_mask(hsv_image, [160, 100, 100], [179, 255, 255])
結(jié)果如下：
接下來把這些圖片合并在一起紊遵，以抓取所有紅色色度暗膜。
full_image = cv2.addWeighted(lower_red_hue, 1.0, higher_red_hue, 1.0, 0.0)
結(jié)果如下：
發(fā)現(xiàn)圖片中的圓圈
現(xiàn)在我們的圖片上僅有紅色色度学搜，接著我們需要判定紅燈是否開啟（即是否存在紅色色度的那個圓圈）瑞佩。我們需要在新圖中發(fā)現(xiàn)圓圈炬丸，不過首先需要把圖片轉(zhuǎn)換成灰度圖（因為 HoughCircles 函數(shù)的輸入要求是灰度圖）。
檢測圖片中的圓圈需要以下參數(shù)（使用 OpenCV中 的 HoughCircles 函數(shù)）：
灰度圖輸入焕阿。
HOUGH_GRADIENT 是用來檢測圓圈的方法（目前僅有的一個方法）捣鲸。
累加器和圖片分辨率的反比栽惶。在本例中外厂，為1.2代承。
待檢測圓圈圓心的最小距離，本例中為100墓律。
#Convert image to grayscale
image_gray = cv2.cvtColor(full_image, cv2.COLOR_BGR2GRAY)
#Find circles in the image
circles = cv2.HoughCircles(image_gray, cv2.HOUGH_GRADIENT, 1.2, 100)
結(jié)果
此時就可以檢查是否有圓圈了耻讽。如果有就意味著至少有一個烤箱燈亮著帕棉。如果找不到圓圈就意味著沒有燈亮香伴，烤箱關(guān)著具帮。
為了證明此結(jié)論，我們可以用下述代碼在原圖中畫圓圈：
# Draw the circles on the original image
circles = np.round(circles[0, :]).astype("int")
for?(center_x, center_y, radius)?in?circles:
cv2.circle(image, (center_x, center_y), radius, (0, 255, 0), 4)
結(jié)果如下：
下一步
接下來還有很多可以做的巴比，比如：
檢測特定燈的開啟轻绞，用以了解烤箱的真實狀態(tài)政勃。
建立一個服務(wù)以便遠程檢查烤箱狀態(tài)奸远。
把該功能加入樹莓派（譯者注：基于Linux的迷你開發(fā)板）丸冕，我們就擁有可以警告烤箱關(guān)閉與否的小型設(shè)備胖烛。
全部樣例代碼可以在學習群內(nèi)獲扰宸趟畏！
Python學習群：593088321
