Robotics-Ros1-cv_bridge功能包使用示例

我们用一个最简单、完整的例子来理解 cv_bridge：ROS 订阅摄像头图像 → 转换为 OpenCV 图像 → 将彩色图像转换成灰度图 → 再通过 ROS 发布出去。

下面使用你之前学习的环境：ROS1 Noetic + Ubuntu 20.04 + C++。

一、先理解程序的工作流程

摄像头节点
    │
    │ 发布 /camera/image_raw
    ▼
我们的图像处理节点
    │
    ├── ① 接收 sensor_msgs/Image
    │
    ├── ② cv_bridge 转换为 cv::Mat
    │
    ├── ③ OpenCV 转换为灰度图
    │
    ├── ④ cv_bridge 转换回 ROS 图像消息
    │
    └── ⑤ 发布 /camera/image_gray
                 │
                 ▼
             其他 ROS 节点

这里有三个不同的角色：

ROS：负责图像消息的传输。
cv_bridge：负责 ROS 图像消息和 OpenCV 图像数据之间的转换。
OpenCV：负责真正的图像处理。

二、编写 C++ 程序

创建一个 ROS 功能包，名称为 cv_bridge_demo。

1. 编写图像处理节点

新建文件 src/image_processor.cpp：

#include <ros/ros.h>
#include <sensor_msgs/Image.h>
#include <cv_bridge/cv_bridge.h>
#include <opencv2/imgproc/imgproc.hpp>

class ImageProcessor
{
public:
    ImageProcessor()
    {
        // 订阅摄像头图像
        image_sub_ = nh_.subscribe(
            "/camera/image_raw",
            1,
            &ImageProcessor::imageCallback,
            this
        );

        // 发布灰度图像
        image_pub_ = nh_.advertise<sensor_msgs::Image>(
            "/camera/image_gray",
            1
        );

        ROS_INFO("ImageProcessor started.");
    }

private:
    ros::NodeHandle nh_;

    ros::Subscriber image_sub_;
    ros::Publisher image_pub_;

    void imageCallback(
        const sensor_msgs::ImageConstPtr& msg)
    {
        try
        {
            // 1. ROS 图像消息转换为 OpenCV 图像
            cv_bridge::CvImagePtr cv_ptr =
                cv_bridge::toCvCopy(msg, "bgr8");

            // 2. 获取 OpenCV 图像
            cv::Mat color_image = cv_ptr->image;

            // 3. 使用 OpenCV 转换为灰度图
            cv::Mat gray_image;

            cv::cvtColor(
                color_image,
                gray_image,
                cv::COLOR_BGR2GRAY
            );

            // 4. OpenCV 图像转换为 ROS 图像消息
            sensor_msgs::ImagePtr output_msg =
                cv_bridge::CvImage(
                    msg->header,
                    "mono8",
                    gray_image
                ).toImageMsg();

            // 5. 发布处理结果
            image_pub_.publish(output_msg);

            ROS_INFO_THROTTLE(
                5.0,
                "Image processed successfully."
            );
        }
        catch (const cv_bridge::Exception& e)
        {
            ROS_ERROR(
                "cv_bridge exception: %s",
                e.what()
            );
        }
    }
};

int main(int argc, char** argv)
{
    ros::init(argc, argv, "image_processor");

    ImageProcessor processor;

    ros::spin();

    return 0;
}

2. 重点看这三行代码

第一步：ROS 消息转换为 OpenCV 图像。

cv_bridge::CvImagePtr cv_ptr =
    cv_bridge::toCvCopy(msg, "bgr8");

输入：

sensor_msgs::Image

输出：

cv_bridge::CvImagePtr

通过：

cv::Mat color_image = cv_ptr->image;

获取 OpenCV 图像。

注意，toCvCopy() 会创建图像数据副本，必要时还会进行编码转换。

第二步：OpenCV 处理图像。

cv::cvtColor(
    color_image,
    gray_image,
    cv::COLOR_BGR2GRAY
);

这一步完全由 OpenCV 完成，与 cv_bridge 无关。

输入是 BGR 彩色图像，输出是单通道灰度图像。

第三步：OpenCV 图像转换为 ROS 消息。

sensor_msgs::ImagePtr output_msg =
    cv_bridge::CvImage(
        msg->header,
        "mono8",
        gray_image
    ).toImageMsg();

这一步重新使用 cv_bridge，把 OpenCV 处理后的图像封装为 ROS 消息。

最后：

image_pub_.publish(output_msg);

由 ROS 将图像发送给其他节点。

三、配置编译文件

在功能包的 CMakeLists.txt 中添加以下配置：

cmake_minimum_required(VERSION 3.0.2)

project(cv_bridge_demo)

find_package(catkin REQUIRED COMPONENTS
  roscpp
  sensor_msgs
  cv_bridge
)

find_package(OpenCV REQUIRED)

catkin_package()

include_directories(
  ${catkin_INCLUDE_DIRS}
  ${OpenCV_INCLUDE_DIRS}
)

add_executable(image_processor
  src/image_processor.cpp
)

target_link_libraries(image_processor
  ${catkin_LIBRARIES}
  ${OpenCV_LIBRARIES}
)
在 package.xml 中声明依赖：

<buildtool_depend>catkin</buildtool_depend>

<depend>roscpp</depend>
<depend>sensor_msgs</depend>
<depend>cv_bridge</depend>

如果你使用 Ubuntu 20.04 的 ROS Noetic，通常可以直接安装相关依赖：

sudo apt update

sudo apt install \
  ros-noetic-cv-bridge \
  ros-noetic-sensor-msgs \
  libopencv-dev

四、编译运行

假设你的 ROS 工作空间为 ~/catkin_ws。

1. 编译

将功能包放在：

~/catkin_ws/src/cv_bridge_demo/

执行：

cd ~/catkin_ws

catkin_make

source devel/setup.bash

2. 启动 ROS

首先启动 ROS Master：

roscore

然后在另一个终端启动图像处理节点：

source ~/catkin_ws/devel/setup.bash

rosrun cv_bridge_demo image_processor

注意：此时还需要有摄像头节点或其他图像发布节点，向 /camera/image_raw 发布图像，否则程序不会收到图像。

3. 查看图像话题

查看系统中的图像话题：

rostopic list

查看处理后的灰度图像：

rostopic echo /camera/image_gray

这里会输出消息的元数据和图像数据，图像数据本身通常较长。

如果安装了 rqt_image_view，可以用它直接查看图像：

sudo apt install ros-noetic-rqt-image-view

rosrun rqt_image_view rqt_image_view

在界面中选择：

/camera/image_gray

就可以看到灰度图像。

五、没有摄像头怎么办？

你可以先使用电脑上的图片进行测试。

例如，准备一张 test.jpg，然后使用 ROS 自带的 image_publisher 发布图片：

rosrun image_publisher image_publisher \
  /绝对路径/test.jpg

安装命令：

sudo apt install ros-noetic-image-publisher

注意，不同版本的 image_publisher 参数形式可能有所区别，可以先执行：

rosrun image_publisher image_publisher --help

确认参数格式。

然后启动前面的 image_processor 节点。

如果发布的图像话题名称不是 /camera/image_raw，需要将代码中的订阅话题修改为实际名称。

六、通过这个例子，你应该理解什么？

操作	使用的技术	作用
接收图像	ROS Subscriber	获取 ROS 图像消息
`toCvCopy()`	cv_bridge	将 ROS 图像转换为 OpenCV 图像
`cv::cvtColor()`	OpenCV	完成灰度化处理
`toImageMsg()`	cv_bridge	将 OpenCV 图像封装为 ROS 消息
`publish()`	ROS Publisher	发布处理后的图像

你可以把整个程序理解为三个模块协作：

ROS 负责通信，cv_bridge 负责适配，OpenCV 负责处理。

对于你后续学习机器人视觉，这种设计很重要：你可以更换摄像头、替换图像处理算法，或者把图像处理模块部署到其他节点，而不必将所有功能耦合在一起。

另外，这个示例是 ROS1 Noetic 版本。如果以后使用 ROS2，整体思路不变，但节点接口、构建系统和消息发布订阅 API 都会有所不同。

posted @ 2026-10-25 12:06 lvdongjie-avatarx 阅读(3) 评论(0) 收藏举报

刷新页面返回顶部

lvdongjie-avatarx

此博客专攻人工智能机器人。