ROS2 HSV值获取

 

在计算机视觉中，颜色提取是一种常用的图像处理技术，其中HSV（色相、饱和度、明度）是一种常见的颜色空间，用于描述和提取图像中的颜色信息。

 

HSV颜色空间将颜色表示为三个分量：色相（H）、饱和度（S）和明度（V）。

 

•色相（Hue）：色相是颜色的类型或类别，描述了颜色在光谱中的位置。在HSV模型中，色相表示为一个角度值，通常在0到360度之间，将整个颜色光谱分为不同的颜色区域，如红、橙、黄、绿、蓝、紫等。

 

•饱和度（Saturation）：饱和度表示颜色的纯度或强度，即颜色的深浅程度。饱和度为0时，颜色变为灰阶；饱和度为最大值时，颜色呈现出最鲜艳的状态。饱和度的取值范围通常在0到1之间，也可以表示为0%到100%。

 

•明度（Value）：明度表示颜色的明亮度，即颜色的亮度和深度。明度为0时，颜色为黑色；明度为最大值时，颜色为白色。明度的取值范围通常在0到1之间，也可以表示为0%到100%。

 

通过这三个参数的组合，可以在HSV模型中精确地描述各种颜色，使得调整和理解颜色更加直观和容易。在图像处理中，HSV模型常用于调整图像的颜色平衡、色调和亮度等方面。

 

 

   

硬件环境

     

 

操作环境及软硬件配置如下：

 

•OriginEye 智能相机

•PC：Ubuntu (≥20.04) + ROS2 (≥Foxy)

 

 

   

代码

     

 

 import cv2
    import numpy as np
    import rclpy
    from rclpy.node import Node
    from sensor_msgs.msg import Image
    from cv_bridge import CvBridge
    from collections import deque
    import textwrap


    class GetHsv(Node):
        def __init__(self):
            super().__init__('get_hsv')
            self.get_logger().info("Start get HSV")
            self.bridge = CvBridge()
            self.image_sub = self.create_subscription(Image, '/image_raw', self.image_callback, 10)
            self.pub = self.create_publisher(Image, '/camera/process_image', 10)
            self.count = 0
            self.box_width = 60
            self.collect_times = 300
            self.HSV_value = deque(maxlen=self.collect_times)
            self.H_range, self.S_range, self.V_range = 10, 80, 80
            self.lower_HSV = None
            self.upper_HSV = None


        def image_callback(self, msg):
            image = self.bridge.imgmsg_to_cv2(msg, 'bgr8')


            if self.count < self.collect_times:
                self.draw_rectangle(image)
            elif self.count < self.collect_times + self.collect_times:
                self.collect_hsv_value(image)
            else:
                self.save_hsv_value(image)


            self.count += 1
            self.pub.publish(self.bridge.cv2_to_imgmsg(image, 'bgr8'))


        def draw_rectangle(self, image):
            text = 'please put the color being tested in the rectangle box!'
            self.add_text(image, text)
            rect_x = (image.shape[1] - self.box_width) // 2
            rect_y = (image.shape[0] - self.box_width) // 2
            cv2.rectangle(image, (rect_x, rect_y), (
                    rect_x + self.box_width, rect_y + self.box_width), (0, 255, 0), 3)


        def collect_hsv_value(self, image):
            text = 'HSV_value is collecting!'
            self.add_text(image, text)
            frame_x = (image.shape[1] - self.box_width) // 2
            frame_y = (image.shape[0] - self.box_width) // 2
            frame = image[frame_y:frame_y + self.box_width, frame_x:frame_x + self.box_width]
            self.HSV_value.append(self.calculate_mean_hsv(frame))


        def save_hsv_value(self, image):
            text = 'HSV_value is collected!'
            self.add_text(image,text)
            mean_HSV = np.mean(self.HSV_value, axis=0)
            self.lower_HSV, self.upper_HSV = self.calculate_hsv_range(mean_HSV)
            self.write_hsv_to_file(self.lower_HSV, self.upper_HSV)


        def calculate_mean_hsv(self, img):
            hsv_image = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
            return np.mean(hsv_image, axis=(0, 1))


        def calculate_hsv_range(self, HSV_value):
            lower_H = np.clip(int(HSV_value[0] - self.H_range), 0, 180)
            upper_H = np.clip(int(HSV_value[0] + self.H_range), 0, 180)
            lower_S = np.clip(int(HSV_value[1] - self.S_range), 40, 255)
            upper_S = np.clip(int(HSV_value[1] + self.S_range), 40, 255)
            lower_V = np.clip(int(HSV_value[2] - self.V_range), 40, 255)
            upper_V = np.clip(int(HSV_value[2] + self.V_range), 40, 255)
            return np.array([lower_H, lower_S, lower_V]), np.array([upper_H, upper_S, upper_V])


        def write_hsv_to_file(self, lower_HSV, upper_HSV):
            content = f"block_HSV is : {lower_HSV[0]},
                {lower_HSV[1]},{lower_HSV[2]} {upper_HSV[0]},{upper_HSV[1]},{upper_HSV[2]}
"
            filename = "/userdata/dev_ws/color_block_HSV.txt"
            with open(filename, "w+") as f:
                f.write(content)


            self.get_logger().info(f"HSV value has been saved in {filename}")
            self.get_logger().info(content)


        def add_text(self, image, text):
            text = textwrap.wrap(text, width = 80)
            text_y = image.shape[0] // 2 - 30
            for line in text:
                text_size, _ = cv2.getTextSize(line, cv2.FONT_HERSHEY_SIMPLEX, 1.2, 2)
                text_x = (image.shape[1] - text_size[0]) // 2
                cv2.putText(image, line, (text_x, text_y), 
                    cv2.FONT_HERSHEY_SIMPLEX, 1.2, (0, 255, 0), 2, cv2.LINE_AA)


    def main(args=None):
        rclpy.init(args=args)
        get_hsv = GetHsv()
        rclpy.spin(get_hsv)
        get_hsv.destroy_node()
        rclpy.shutdown()


    if __name__ == '__main__':
        main()

 

 

   

简要说明

     

 

这段代码的作用是通过将相机对准你希望捕捉的图像HSV值，进行一轮采集后便会将采集的HSV值存放在指定路径了。

 

1、为什么要做HSV值获取，HSV色彩空间相对于rgb色域有什么有特殊点吗？

 

简单来说，HSV色彩空间相对于RGB色域更符合人类对颜色的感知方式，更方便地进行颜色处理和分析，并且提供了更直观和灵活的颜色定义和比较方式。举个例子，人描述一个颜色通常不会直接说它的rgb值，而是描述淡绿色，艳红色等，而这正是HSV色彩空间描述的方式。

 

2、应用HSV时为什么通常使用upper、lower两组数据？

 

使用两组阈值的好处是可以更准确地定义要提取的颜色范围，同时考虑到色调环的边界情况。这样可以避免颜色提取结果受到色调环边界的影响，提高颜色提取的准确性和稳定性。

 

3、是否可以将图像直接使用opencv做处理？

 

还需要解耦图像信息，例如ROS的图像需要使用CVBridge处理成Opencv能处理的图片，又比如在处理NV12时，需要将Hbmem转成常规opencv识别的nv12格式。但无一例外我们可以称之为解耦了。

 

4、 HSV如何和RGB进行转换呢？

 

首先，将HSV中的色相、饱和度和明度分别归一化到区间[0, 1]。

 

归一化的色相（H’）：H' = H / 360

归一化的饱和度（S’）：S' = S / 100

归一化的明度（V’）：V' = V / 100

 

接下来，使用以下公式计算RGB值：

 

如果饱和度为0，则RGB值为灰度色：

 

R = G = B = V'

 

如果饱和度不为0，则使用以下公式：

 

C = V' * S'
X = C * (1 - |(H' mod 2) - 1|
m = V' - C

 

然后，根据色相的不同情况，计算最终的RGB值：

 

当 0 <= H' < 1/6 时：(R', G', B') = (C, X, 0)

当 1/6 <= H' < 2/6 时：(R', G', B') = (X, C, 0)

当 2/6 <= H' < 3/6 时：(R', G', B') = (0, C, X)

当 3/6 <= H' < 4/6 时：(R', G', B') = (0, X, C)

当 4/6 <= H' < 5/6 时：(R', G', B') = (X, 0, C)

当 5/6 <= H' <= 1 时：(R', G', B') = (C, 0, X)

 

最后，将得到的RGB值映射到区间[0, 255]。