Python中ROS和OpenCV结合处理图像问题

一、安装ROS-OpenCV

安装OpenCVsudo apt-get install ros-kinetic-vision-opencv libopencv-dev python-opencv
ROS进行图像处理是依赖于OpenCV库的。ROS通过一个叫CvBridge的功能包，将获取的图像数据转换成OpenCV的格式，OpenCV处理之后，传回给ROS进行图像显示（应用），如下图：

二、简单案例分析

我们使用ROS驱动获取摄像头数据，将ROS获得的数据通过CvBridge转换成OpenCV需要的格式，调用OpenCV的算法库对这个图片进行处理（如画一个圆），然后返回给ROS进行rviz显示。

1.usb_cam.launch

首先我们建立一个launch文件，可以调用摄像头驱动获取图像数据。运行launch文件roslaunch xxx(功能包名) usb_cam.launch

<launch>
   <node name="usb_cam" pkg="usb_cam" type="usb_cam_node" output="screen" >
     <param name="video_device" value="/dev/video0" />
     <param name="image_width" value="1280" />
     <param name="image_height" value="720" />
     <param name="pixel_format" value="yuyv" />
     <param name="camera_frame_id" value="usb_cam" />
     <param name="io_method" value="mmap"/>
   </node>
</launch>

2.cv_bridge_test.py

建立一个py文件，是python2的。实现接收ROS发的图像信息，在图像上画一个圆后，返回给ROS。返回的话题名称是cv_bridge_image。运行py文件rosrun xxx(功能包名) cv_bridge_test.py
如果出现权限不够的情况，记得切换到py文件目录下执行：sudo chmod +x *.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import rospy
import cv2
from cv_bridge import CvBridge, CvBridgeError
from sensor_msgs.msg import Image

class image_converter:
   def __init__(self):    
       # 创建cv_bridge，声明图像的发布者和订阅者
       self.image_pub = rospy.Publisher("cv_bridge_image", Image, queue_size=1)
       self.bridge = CvBridge()
       self.image_sub = rospy.Subscriber("/usb_cam/image_raw", Image, self.callback)

def callback(self,data):
       # 使用cv_bridge将ROS的图像数据转换成OpenCV的图像格式
       try:
           cv_image = self.bridge.imgmsg_to_cv2(data, "bgr8")
       except CvBridgeError as e:
           print e

# 在opencv的显示窗口中绘制一个圆，作为标记
       (rows,cols,channels) = cv_image.shape
       if cols > 60 and rows > 60 :
           cv2.circle(cv_image, (60, 60), 30, (0,0,255), -1)

# 显示Opencv格式的图像
       cv2.imshow("Image window", cv_image)
       cv2.waitKey(3)

# 再将opencv格式额数据转换成ros image格式的数据发布
       try:
           self.image_pub.publish(self.bridge.cv2_to_imgmsg(cv_image, "bgr8"))
       except CvBridgeError as e:
           print e

if __name__ == '__main__':
   try:
       # 初始化ros节点
       rospy.init_node("cv_bridge_test")
       rospy.loginfo("Starting cv_bridge_test node")
       image_converter()
       rospy.spin()
   except KeyboardInterrupt:
       print "Shutting down cv_bridge_test node."
       cv2.destroyAllWindows()

3.rqt_image_view

在终端下执行rqt_image_view，订阅cv_bridge_image话题，可以发现OpenCV处理之后的图像在ROS中显示出来。

三、CvBridge相关API

1.imgmsg_to_cv2()

将ROS图像消息转换成OpenCV图像数据；

# 使用cv_bridge将ROS的图像数据转换成OpenCV的图像格式
try:
   cv_image = self.bridge.imgmsg_to_cv2(data, "bgr8")
except CvBridgeError as e:
   print e

2.cv2_to_imgmsg()

将OpenCV格式的图像数据转换成ROS图像消息；

# 再将opencv格式额数据转换成ros image格式的数据发布
try:
   self.image_pub.publish(self.bridge.cv2_to_imgmsg(cv_image, "bgr8"))
except CvBridgeError as e:
   print e

四、利用ROS+OpenCV实现人脸检测案例

1.usb_cam.launch

这个launch和上一个案例一样先打开摄像头驱动获取图像数据。运行launch文件roslaunch xxx(功能包名) usb_cam.launch

<launch>
   <node name="usb_cam" pkg="usb_cam" type="usb_cam_node" output="screen" >
     <param name="video_device" value="/dev/video0" />
     <param name="image_width" value="1280" />
     <param name="image_height" value="720" />
     <param name="pixel_format" value="yuyv" />
     <param name="camera_frame_id" value="usb_cam" />
     <param name="io_method" value="mmap"/>
   </node>
</launch>

2.face_detector.launch

人脸检测算法采用基于Harr特征的级联分类器对象检测算法，检测效果并不佳。但是这里只是为了演示如何使用ROS和OpenCV进行图像处理，所以不必在乎算法本身效果。整个launch调用了一个py文件和两个xml文件，分别如下：

2.1 launch

<launch>
   <node pkg="robot_vision" name="face_detector" type="face_detector.py" output="screen">
       <remap from="input_rgb_image" to="/usb_cam/image_raw" />
       <rosparam>
           haar_scaleFactor: 1.2
           haar_minNeighbors: 2
           haar_minSize: 40
           haar_maxSize: 60
       </rosparam>
       <param name="cascade_1" value="$(find robot_vision)/data/haar_detectors/haarcascade_frontalface_alt.xml" />
       <param name="cascade_2" value="$(find robot_vision)/data/haar_detectors/haarcascade_profileface.xml" />
   </node>
</launch>

2.2 face_detector.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import rospy
import cv2
import numpy as np
from sensor_msgs.msg import Image, RegionOfInterest
from cv_bridge import CvBridge, CvBridgeError

class faceDetector:
   def __init__(self):
       rospy.on_shutdown(self.cleanup);

# 创建cv_bridge
       self.bridge = CvBridge()
       self.image_pub = rospy.Publisher("cv_bridge_image", Image, queue_size=1)

# 获取haar特征的级联表的XML文件，文件路径在launch文件中传入
       cascade_1 = rospy.get_param("~cascade_1", "")
       cascade_2 = rospy.get_param("~cascade_2", "")

# 使用级联表初始化haar特征检测器
       self.cascade_1 = cv2.CascadeClassifier(cascade_1)
       self.cascade_2 = cv2.CascadeClassifier(cascade_2)

# 设置级联表的参数，优化人脸识别，可以在launch文件中重新配置
       self.haar_scaleFactor  = rospy.get_param("~haar_scaleFactor", 1.2)
       self.haar_minNeighbors = rospy.get_param("~haar_minNeighbors", 2)
       self.haar_minSize      = rospy.get_param("~haar_minSize", 40)
       self.haar_maxSize      = rospy.get_param("~haar_maxSize", 60)
       self.color = (50, 255, 50)

# 初始化订阅rgb格式图像数据的订阅者，此处图像topic的话题名可以在launch文件中重映射
       self.image_sub = rospy.Subscriber("input_rgb_image", Image, self.image_callback, queue_size=1)

def image_callback(self, data):
       # 使用cv_bridge将ROS的图像数据转换成OpenCV的图像格式
       try:
           cv_image = self.bridge.imgmsg_to_cv2(data, "bgr8")    
           frame = np.array(cv_image, dtype=np.uint8)
       except CvBridgeError, e:
           print e

# 创建灰度图像
       grey_image = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

# 创建平衡直方图，减少光线影响
       grey_image = cv2.equalizeHist(grey_image)

# 尝试检测人脸
       faces_result = self.detect_face(grey_image)

# 在opencv的窗口中框出所有人脸区域
       if len(faces_result)>0:
           for face in faces_result:
               x, y, w, h = face
               cv2.rectangle(cv_image, (x, y), (x+w, y+h), self.color, 2)

# 将识别后的图像转换成ROS消息并发布
       self.image_pub.publish(self.bridge.cv2_to_imgmsg(cv_image, "bgr8"))

def detect_face(self, input_image):
       # 首先匹配正面人脸的模型
       if self.cascade_1:
           faces = self.cascade_1.detectMultiScale(input_image,
                   self.haar_scaleFactor,
                   self.haar_minNeighbors,
                   cv2.CASCADE_SCALE_IMAGE,
                   (self.haar_minSize, self.haar_maxSize))

# 如果正面人脸匹配失败，那么就尝试匹配侧面人脸的模型
       if len(faces) == 0 and self.cascade_2:
           faces = self.cascade_2.detectMultiScale(input_image,
                   self.haar_scaleFactor,
                   self.haar_minNeighbors,
                   cv2.CASCADE_SCALE_IMAGE,
                   (self.haar_minSize, self.haar_maxSize))

return faces

def cleanup(self):
       print "Shutting down vision node."
       cv2.destroyAllWindows()

if __name__ == '__main__':
   try:
       # 初始化ros节点
       rospy.init_node("face_detector")
       faceDetector()
       rospy.loginfo("Face detector is started..")
       rospy.loginfo("Please subscribe the ROS image.")
       rospy.spin()
   except KeyboardInterrupt:
       print "Shutting down face detector node."
       cv2.destroyAllWindows()

2.3 两个xml文件

链接

3.rqt_image_view

运行完上述两个launch文件后，在终端下执行rqt_image_view，订阅cv_bridge_image话题，可以发现OpenCV处理之后的图像在ROS中显示出来。

五、利用ROS+OpenCV实现帧差法物体追踪

1.usb_cam.launch

这个launch和前两个案例一样先打开摄像头驱动获取图像数据。运行launch文件roslaunch xxx(功能包名) usb_cam.launch

<launch>
   <node name="usb_cam" pkg="usb_cam" type="usb_cam_node" output="screen" >
     <param name="video_device" value="/dev/video0" />
     <param name="image_width" value="1280" />
     <param name="image_height" value="720" />
     <param name="pixel_format" value="yuyv" />
     <param name="camera_frame_id" value="usb_cam" />
     <param name="io_method" value="mmap"/>
   </node>
</launch>

2.motion_detector.launch

物体追踪方法采用帧差法，追踪效果并不佳。但是这里只是为了演示如何使用ROS和OpenCV进行图像处理，所以不必在乎算法本身效果。整个launch调用了一个py文件，如下：

2.1 launch

<launch>
   <node pkg="robot_vision" name="motion_detector" type="motion_detector.py" output="screen">
       <remap from="input_rgb_image" to="/usb_cam/image_raw" />
       <rosparam>
           minArea: 500
           threshold: 25
       </rosparam>
   </node>
</launch>

2.2 motion_detector.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import rospy
import cv2
import numpy as np
from sensor_msgs.msg import Image, RegionOfInterest
from cv_bridge import CvBridge, CvBridgeError

class motionDetector:
   def __init__(self):
       rospy.on_shutdown(self.cleanup);

# 创建cv_bridge
       self.bridge = CvBridge()
       self.image_pub = rospy.Publisher("cv_bridge_image", Image, queue_size=1)

# 设置参数：最小区域、阈值
       self.minArea   = rospy.get_param("~minArea",   500)
       self.threshold = rospy.get_param("~threshold", 25)

self.firstFrame = None
       self.text = "Unoccupied"

# 初始化订阅rgb格式图像数据的订阅者，此处图像topic的话题名可以在launch文件中重映射
       self.image_sub = rospy.Subscriber("input_rgb_image", Image, self.image_callback, queue_size=1)

def image_callback(self, data):
       # 使用cv_bridge将ROS的图像数据转换成OpenCV的图像格式
       try:
           cv_image = self.bridge.imgmsg_to_cv2(data, "bgr8")    
           frame = np.array(cv_image, dtype=np.uint8)
       except CvBridgeError, e:
           print e

# 创建灰度图像
       gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
       gray = cv2.GaussianBlur(gray, (21, 21), 0)

# 使用两帧图像做比较，检测移动物体的区域
       if self.firstFrame is None:
           self.firstFrame = gray
           return  
       frameDelta = cv2.absdiff(self.firstFrame, gray)
       thresh = cv2.threshold(frameDelta, self.threshold, 255, cv2.THRESH_BINARY)[1]

thresh = cv2.dilate(thresh, None, iterations=2)
       binary, cnts, hierarchy= cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in cnts:
           # 如果检测到的区域小于设置值，则忽略
           if cv2.contourArea(c) < self.minArea:
              continue

# 在输出画面上框出识别到的物体
           (x, y, w, h) = cv2.boundingRect(c)
           cv2.rectangle(frame, (x, y), (x + w, y + h), (50, 255, 50), 2)
           self.text = "Occupied"

# 在输出画面上打当前状态和时间戳信息
       cv2.putText(frame, "Status: {}".format(self.text), (10, 20),
           cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)

# 将识别后的图像转换成ROS消息并发布
       self.image_pub.publish(self.bridge.cv2_to_imgmsg(frame, "bgr8"))

def cleanup(self):
       print "Shutting down vision node."
       cv2.destroyAllWindows()

if __name__ == '__main__':
   try:
       # 初始化ros节点
       rospy.init_node("motion_detector")
       rospy.loginfo("motion_detector node is started...")
       rospy.loginfo("Please subscribe the ROS image.")
       motionDetector()
       rospy.spin()
   except KeyboardInterrupt:
       print "Shutting down motion detector node."
       cv2.destroyAllWindows()

3.rqt_image_view

运行完上述两个launch文件后，在终端下执行rqt_image_view，订阅cv_bridge_image话题，可以发现OpenCV处理之后的图像在ROS中显示出来。(鉴于我的测试环境比较糟糕，并且这个算法本身精度不高，就不展示最终效果了)

来源：https://blog.csdn.net/qq_39400324/article/details/125152909