ROS OpenCV 图像基本处理函数

本文详细介绍了在ROS(RobotOperatingSystem)环境中如何使用OpenCV库的cv::imread(),cv::imshow(),cv::imwrite()函数进行图像读取、显示和保存。还提到了cv_bridge的作用以及cv::Mat数据结构的使用。
摘要由CSDN通过智能技术生成

在ROS中结合OpenCV使用时,cv::imread() 函数并非ROS本身的API,而是来自OpenCV库的函数,用于读取本地磁盘上的图像文件。

其用法如下:

cv::Mat cv::imread(const string& filename, int flags = IMREAD_COLOR);

参数说明:

    filename:字符串类型,表示要读取的图像文件的完整路径和名称。

    flags:整型变量,定义了读取图像的方式,可选值包括:

        IMREAD_UNCHANGED 或 -1:加载图像,包括alpha通道(如果存在)。

        IMREAD_GRAYSCALE 或 0:以灰度模式加载图像。

        IMREAD_COLOR 或 1:默认选项,以彩色模式加载图像(如果是彩色图像)。

        IMREAD_ANYDEPTH:加载任意深度图像作为单通道图像。

        IMREAD_ANYCOLOR:加载任何颜色空间的图像。

可以将上述标志进行组合,例如 IMREAD_GRAYSCALE | IMREAD_ANYDEPTH 将加载一个可能包含高动态范围数据的灰度图像。

返回值:

cv::Mat 类型的对象,代表所读取的图像数据。如果没有成功读取图像,则返回一个空矩阵(即 .empty() 返回 true)。

彩色图像使用 OpenCV 加载时是 BGR 模式。

示例代码:

#include <opencv2/opencv.hpp>

#include <ros/ros.h>

int main(int argc, char** argv)

{

    ros::init(argc, argv, "image_reader");

    ros::NodeHandle nh;

    // 读取图像文件

    cv::Mat image = cv::imread("/home/user/path/to/image.jpg", cv::IMREAD_COLOR);

    if (image.empty())

    {

        ROS_ERROR("Could not read the image file.");

        return -1;

    }

    // 显示图像

    cv::imshow("Image Window", image);

    cv::waitKey(0); // 等待用户按键,窗口才会关闭

    return 0;

}

在ROS环境下,通常会结合cv_bridge来处理ROS Image消息OpenCV Mat之间的转换,而不仅仅是读取本地文件。如果是在ROS节点内部操作摄像头获取的图像,那么需要从ROS话题订阅图像数据,并通过cv_bridge的imgmsg_to_cv2()函数将其转换为OpenCV可以处理的cv::Mat格式。

cv::imwrite() 函数同样是来自OpenCV库的函数,用于将图像数据保存到本地磁盘上的文件。可以使用这个函数来保存摄像头捕获的图像或者处理后的图像。使用函数 cv2.imwrite() 来保存一个图像。(首先需要一个文件名,之后才是要保存的图像。)

其用法如下:

cv::imwrite(const string& filename, InputArray img, const std::vector<int>& params = std::vector<int>());

参数说明:

    filename:字符串类型,表示要写入图像文件的完整路径和名称,包括扩展名,根据扩展名来确定输出图像的格式。

    img:cv::Mat 类型的对象或其他符合 InputArray 类型要求的图像数据结构,这是要保存的图像内容。

    params:可选参数,一个整数类型的向量,用于指定编码器特定的参数或选项。可选参数,用于指定图像压缩编码格式和压缩级别。

例如,在写入JPEG格式图像时可以设置压缩质量等。如果不需要特殊设置,则可以不提供此参数,此时默认为一个空的整数向量。

示例代码:

#include <iostream>

#include <opencv2/opencv.hpp>

int main()

{

    // 读取图像

    cv::Mat img = cv::imread("input.jpg");

    if (img.empty())

    {

        std::cout << "无法读取图像" << std::endl;

        return -1;

    }

    // 保存图像

    bool result = cv::imwrite("output.jpg", img);

    if (result)

    {

        std::cout << "图像保存成功" << std::endl;

    }

    else

    {

        std::cout << "图像保存失败" << std::endl;

    }

    return 0;

}

imshow()函数用于在窗口中显示图像。(窗口会自动调整为图像大小。第一个参数是窗口的名字,其次才是需要的图像。)

其用法如下:

void imshow(const String& winname, const Mat& image);  

参数说明:

winname:字符串类型,表示要显示图像的窗口名称。如果该窗口尚不存在,则会创建一个新的窗口。    

image:要显示的图像,通常是一个Mat对象。

示例代码:

#include <opencv2/opencv.hpp>

#include <iostream>

using namespace cv;

using namespace std;

int main()

{

    // 读取图像

    Mat image = imread("example.jpg");

    // 检查图像是否正确读取

    if (image.empty())

    {

        cout << "无法读取图像" << endl;

        return -1;

    }

    // 创建一个名为"Example Image"的窗口

    namedWindow("Example Image", WINDOW_AUTOSIZE);

    // 在窗口中显示图像

    imshow("Example Image", image);

    // 等待按键,然后关闭窗口

    waitKey(0);

    destroyAllWindows();

    return 0;

}

在这个示例中,首先包含了必要的头文件,然后定义了一个名为main的函数。在main函数中,使用imread函数读取了一张名为example.jpg的图像,并将其存储在Mat对象image中。

然后,使用namedWindow函数创建一个名为"Example Image"的窗口,并设置窗口大小自动调整。最后,使用imshow函数在窗口中显示图像,并使用waitKey(0)等待用户按下任意键,然后使用destroyAllWindows()关闭所有打开的窗口。

补充:cv2.waitKey() 是一个键盘绑定函数。需要指出的是它的时间尺度是毫秒级。函数等待特定的几毫秒,看是否有键盘输入。特定的几毫秒之内,如果按下任意键,这个函数会返回按键的 ASCII 码值,程序将会继续运行。如果没有键盘输入,返回值为 -1,如果我们设置这个函数的参数为 0,那它将会无限期的等待键盘输入。

cv2.destroyAllWindows() 可以轻易删除任何建立的窗口。如果想删除特定的窗口可以使用 cv2.destroyWindow(),在括号内输入想删除的窗口名。

  • 7
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
ROS中结合OpenCV进行图像检测,可以使用以下步骤: 1. 订阅图像话题 首先,需要订阅相机或其他设备发布的图像话题,并将其转换为OpenCV可处理的格式。可以使用ROS自带的`cv_bridge`包将ROS图像消息转换为OpenCV图像格式。以下是一个示例代码,订阅名为`/camera/image_raw`的图像话题,并将其转换为OpenCV图像: ```python import rospy import cv2 from sensor_msgs.msg import Image from cv_bridge import CvBridge, CvBridgeError bridge = CvBridge() def image_callback(msg): try: cv_image = bridge.imgmsg_to_cv2(msg, "bgr8") except CvBridgeError as e: print(e) else: # 在这里进行图像检测 # ... rospy.init_node('image_subscriber') image_topic = "/camera/image_raw" rospy.Subscriber(image_topic, Image, image_callback) rospy.spin() ``` 在上述代码中,`image_callback`函数将接收到的ROS图像消息转换为OpenCV图像,并在其中进行图像检测。 2. 进行图像检测 一旦将图像转换为OpenCV格式,就可以使用OpenCV库中的函数进行图像处理和检测。例如,可以使用OpenCV中的`cv2.CascadeClassifier`类来进行人脸检测。以下是一个示例代码: ```python import rospy import cv2 from sensor_msgs.msg import Image from cv_bridge import CvBridge, CvBridgeError bridge = CvBridge() face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') def image_callback(msg): try: cv_image = bridge.imgmsg_to_cv2(msg, "bgr8") except CvBridgeError as e: print(e) else: gray = cv2.cvtColor(cv_image, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, 1.3, 5) for (x,y,w,h) in faces: cv2.rectangle(cv_image,(x,y),(x+w,y+h),(255,0,0),2) cv2.imshow("Image window", cv_image) cv2.waitKey(3) rospy.init_node('image_subscriber') image_topic = "/camera/image_raw" rospy.Subscriber(image_topic, Image, image_callback) rospy.spin() ``` 在上述代码中,`haarcascade_frontalface_default.xml`是一个预训练的分类器文件,用于人脸检测。代码中使用`cv2.CascadeClassifier`类加载该文件,并使用`detectMultiScale`函数进行人脸检测。检测到人脸后,代码在图像中绘制矩形框以标记人脸。 3. 显示图像结果 最后,将检测结果显示在图像窗口中。可以使用OpenCV的`cv2.imshow`函数显示图像,用`cv2.waitKey`函数等待键盘输入,以保持图像窗口的显示。以下是示例代码: ```python cv2.imshow("Image window", cv_image) cv2.waitKey(3) ``` 希望这些步骤可以帮助您在ROS中结合OpenCV进行图像检测。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值