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:

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180121A014GF00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券