在本教程中一步一步教你操作，让python帮你关烤箱！

解决这个问题的方法是多种多样的如：

在本教程中，我们会尝试利用技术手段解决这个问题。

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：

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

载入图片

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。

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：

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。

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。

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）：

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：

结果如下：

下一步

接下来还有很多可以做的，比如：