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]。