以其为模板，编写《实验三：摄像头图像处理》，要求编写可以应用在智能车巡线，障碍物检测，斑马线识别等项目中的相关图像处理

### 实验三：摄像头图像处理

#### 实验目的
1. 掌握摄像头的基本使用方法；
2. 学习图像预处理技术，包括灰度化、二值化、边缘检测等；
3. 应用图像处理技术实现智能车的巡线、障碍物检测和斑马线识别。

#### 实验内容
1. 摄像头图像采集与显示；
2. 图像预处理（灰度化、二值化、高斯模糊等）；
3. 边缘检测（Canny算子）；
4. 直线检测（霍夫变换）；
5. 巡线、障碍物检测和斑马线识别的应用实例。

#### 实验器材
- ROS智能车
- USB摄像头
- 计算机（安装ROS和OpenCV）
- 电源适配器
- 测试场地（带有线路、障碍物和斑马线）

#### 实验原理
1. **摄像头图像采集与显示**
- 使用ROS的`usb_cam`包来采集摄像头图像，并通过`image_view`包进行实时显示。

2. **图像预处理**
- **灰度化**：将彩色图像转换为灰度图像，减少计算复杂度。

     gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

- **二值化**：将灰度图像转换为二值图像，便于后续处理。

     _, binary = cv2.threshold(gray, threshold, 255, cv2.THRESH_BINARY)

- **高斯模糊**：减少图像噪声，提高边缘检测的准确性。

     blurred = cv2.GaussianBlur(gray, (kernel_size, kernel_size), 0)

3. **边缘检测**
- 使用Canny算子进行边缘检测，提取图像中的边缘信息。

     edges = cv2.Canny(blurred, low_threshold, high_threshold)

4. **直线检测**
- 使用霍夫变换检测图像中的直线，适用于巡线和斑马线识别。

     lines = cv2.HoughLinesP(edges, rho, theta, threshold, minLineLength, maxLineGap)

5. **应用实例**
- **巡线**：通过检测图像中的黑色线条，引导智能车沿着预定路径行驶。
- **障碍物检测**：通过检测图像中的白色区域，识别前方是否有障碍物。
- **斑马线识别**：通过检测图像中的平行线，识别斑马线的位置。

#### 实验步骤
1. **摄像头图像采集与显示**
- 安装并配置`usb_cam`包。

     sudo apt-get install ros-<rosdistro>-usb-cam

- 启动摄像头节点。

     roslaunch usb_cam usb_cam-test.launch

- 显示摄像头图像。

     rosrun image_view image_view image:=/usb_cam/image_raw

2. **图像预处理**
- 编写Python脚本，读取摄像头图像并进行预处理。

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

     def image_callback(msg):
         bridge = CvBridge()
         image = bridge.imgmsg_to_cv2(msg, "bgr8")
         
         # 灰度化
         gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
         
         # 二值化
         _, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
         
         # 高斯模糊
         blurred = cv2.GaussianBlur(binary, (5, 5), 0)
         
         # 显示处理后的图像
         cv2.imshow("Processed Image", blurred)
         cv2.waitKey(1)

     if __name__ == '__main__':
         rospy.init_node('image_processor', anonymous=True)
         image_sub = rospy.Subscriber("/usb_cam/image_raw", Image, image_callback)
         rospy.spin()

3. **边缘检测**
- 在预处理的基础上，添加边缘检测代码。

     # 边缘检测
     edges = cv2.Canny(blurred, 50, 150)
     
     # 显示边缘图像
     cv2.imshow("Edges", edges)
     cv2.waitKey(1)

4. **直线检测**
- 添加霍夫变换代码，检测图像中的直线。

     # 直线检测
     lines = cv2.HoughLinesP(edges, 1, np.pi/180, 50, minLineLength=100, maxLineGap=10)
     
     if lines is not None:
         for line in lines:
             x1, y1, x2, y2 = line[0]
             cv2.line(image, (x1, y1), (x2, y2), (0, 255, 0), 2)
     
     # 显示检测到的直线
     cv2.imshow("Detected Lines", image)
     cv2.waitKey(1)

5. **应用实例**
- **巡线**：通过检测图像中的黑色线条，引导智能车沿着预定路径行驶。
- **障碍物检测**：通过检测图像中的白色区域，识别前方是否有障碍物。
- **斑马线识别**：通过检测图像中的平行线，识别斑马线的位置。

#### 总结
通过本实验，学生能够掌握摄像头图像采集、图像预处理、边缘检测和直线检测的基本方法，并将其应用于智能车的巡线、障碍物检测和斑马线识别等实际项目中。这些技能对于理解和开发更复杂的视觉系统具有重要意义。