这篇文章应用计算机视觉和图像处理技术，展示了检测烤箱开关状态的过程。在生活中，有时你会粗心大意忘关烤箱之类的厨房电器，这潜在很大的危险。因此作者采用 Python 和 OpenCV，通过家庭摄像头获取的图像来自动识别烤箱是否开着，进而可以触发警报。
“我忘关烤箱了吗？”
这个问题常常会在最不方便的时候出现在你的脑子里。
有时是当你刚刚走出家门的时候。 有时是当你在上班路上的时候。 有时是当你坐在飞机上准备度个长假的时候……
解决这个问题的方法是多种多样的：
橡皮筋的方法
大声说或唱出来（就像 Samuel L. Jackson 一样）
当你离开家去度假的时候，给烤箱在内的电器列个清单或做个标记。 或者，我们也许有更好的做法……
在本教程中，我们会尝试利用技术手段解决这个问题。
Github 里有完整代码。
问题定义
对我们而言，我们需要确定一个信号，用于判断烤箱的开关状态。在我的厨房里，这个信号就是顶部标记着“烤箱开”字样的红色灯。
当红色灯亮的时候，烤箱是开着的：
当红色灯灭的时候，烤箱是关着的：
预备条件
确保你的电脑上安装了以下应用：
OpenCV 3.0
Python 2.7
Numpy 1.9
安装 OpenCV3.0 和 Python 2.7
如果你尚未安装 OpenCV，请按照 Adrian Rosebrock 的完美教程，在 OSX 系统上安装 OpenCV 3.0 和 Python 2.7+。我在安装步骤里增加了一些自己的注释，以防你在 OSX 上编译 OpenCV 3.0时遇到问题。
步骤
如果你已经成功在你的环境中安装了 OpenCV，我们就可以开始判断烤箱开关的数据分析了。
加载需要的包
argparse —— 参数处理库。
numpy —— 高度优化的数值运算库。OpenCV 在数组结构中使用 numpy。
cv2 —— OpenCV 中图像处理库。
importargparse
importnumpyasnp
importcv2
载入图片
image = cv2.imread(image_path)
图片降噪
我们为了给图片降噪，需要对输入图片进行平滑处理。这样会更容易在图片中定位目标。使用 medianBlur 函数，把光圈大小定为 3 。数字越大意味着图像会越模糊。
blur_image = cv2.medianBlur(image, 3)
把图片颜色转为 HSV 格式
HSV —— 色度、饱和度和纯度（亮度）。HSV 可以让我们提取出一个彩色对象，因为它比 BGR 格式（译者注：与我们常说的RBG色彩模型类似，三个字母分别代表红蓝绿三色）更容易表征颜色。
把图片转为 HSV 格式可以让我们通过色度（一个值而不是三个值），来确定图片中的一个颜色。
以下是实现方式：
hsv_image = cv2.cvtColor(blur_image, cv2.COLOR_BGR2HSV)
执行结果如下图：
检测图片中的颜色
为了检测我们想要的颜色，我们可以查看烤箱灯图片中颜色的直方图。
我们可以看出，红色在图片中占统治地位。红色有两个高峰 —— 一个幅度高，一个幅度低。这些颜色值转变为色度范围从 0 到10，以及从 160 到 180 （针对红色）。
在 HSV 图片中针对每一个色度范围，我们可以创建一个遮罩，来去掉所有不在选定范围的无关颜色。
defcreate_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)
returnoutput_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])
结果如下：
接下来把这些图片合并在一起，以抓取所有红色色度。
full_image=cv2.addWeighted(lower_red_hue,1.0,higher_red_hue,1.0,0.0)
结果如下：
发现图片中的圆圈
现在我们的图片上仅有红色色度，接着我们需要判定红灯是否开启（即是否存在红色色度的那个圆圈）。我们需要在新图中发现圆圈，不过首先需要把图片转换成灰度图（因为 HoughCircles 函数的输入要求是灰度图）。
检测图片中的圆圈需要以下参数（使用 OpenCV中 的 HoughCircles 函数）：
灰度图输入。
HOUGH_GRADIENT 是用来检测圆圈的方法（目前仅有的一个方法）。
累加器和图片分辨率的反比。在本例中，为1.2。
待检测圆圈圆心的最小距离，本例中为100。
#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)
结果
此时就可以检查是否有圆圈了。如果有就意味着至少有一个烤箱灯亮着。如果找不到圆圈就意味着没有灯亮，烤箱关着。
为了证明此结论，我们可以用下述代码在原图中画圆圈：
# Draw the circles on the original image
circles=np.round(circles[0,:]).astype("int")
for(center_x,center_y,radius)incircles:
cv2.circle(image,(center_x,center_y),radius,(0,255,0),4)
结果如下：
下一步
接下来还有很多可以做的，比如：
检测特定灯的开启，用以了解烤箱的真实状态。
建立一个服务以便远程检查烤箱状态。
把该功能加入树莓派（译者注：基于Linux的迷你开发板），我们就拥有可以警告烤箱关闭与否的小型设备。
全部样例代码可以在 Github 中找到。
Github链接：https://github.com/kazuar/opencv_light_detection
End
