不要色彩变换，用这种形式判断 if boundingBox.Class == 'blue': color=[0,0,255] cv2.rectangle(img, (int(box[0]), int(box[1])), (int(box[2]), int(box[3])), (int(color[0]),int(color[1]), int(color[2])), 7) cv2.putText(img, box[-1], (int(box[0]), int(text_pos_y)-10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0,0,255), 2, cv2.LINE_AA)

<think>我们要求不要使用之前的色彩变换方式，而是按照用户提供的示例代码形式进行修改。 用户提供的示例代码形式是： if boundingBox.Class == 'blue': color=[0,0,255] cv2.rectangle(...) 用这个color cv2.putText(...) 也用这个color 因此，我们需要在绘制边界框和标签时，根据检测到的类别名称（字符串）来设置颜色。 注意：原代码中，我们是在循环处理每个检测框时，根据类别名称设置颜色，然后绘制。 修改思路： 1. 不再使用results[0].plot()来绘制图像，因为这样会使用默认的绘制方式。 2. 我们将自己绘制每个边界框和标签，根据类别名称选择颜色。 步骤： - 首先，我们将self.frame设置为原始图像的副本（注意：原始图像是RGB格式，而OpenCV绘制使用BGR，但这里我们后面发布前会转换） - 然后，对于每个检测结果，提取边界框坐标、类别名称和置信度。 - 根据类别名称设置颜色（注意：用户要求用字符串比较，如'blue'，注意大小写问题，我们统一转换为小写或使用用户模型输出的实际字符串） - 绘制矩形和文本。 另外，用户要求的话题不变，还是发布到/yolov8/detection_image。 我们将修改dectshow函数，按照以下步骤： a. 创建原始图像的副本（self.color_image是RGB格式） b. 在副本上绘制边界框和文本（使用BGR颜色，因为后面我们要转换为BGR发布） c. 计算FPS并绘制在图像上 d. 发布图像 注意：由于原始图像是RGB，而绘制时我们使用的是BGR颜色，所以绘制时颜色值需要按照BGR顺序（如红色为[0,0,255]）。 但是，我们绘制的图像仍然是RGB格式吗？不是，因为我们在RGB图像上用BGR颜色绘制，颜色会错乱。所以我们需要转换思路： 实际上，我们可以在RGB图像上绘制，但颜色值需要按照RGB顺序。然而，OpenCV的绘制函数要求图像是BGR格式？不对，实际上OpenCV的绘制函数是在BGR图像上工作的。 因此，我们需要： - 将原始图像（RGB）转换为BGR，然后在BGR图像上绘制（这样颜色定义就正确了） - 或者，我们保持为RGB，但绘制时使用RGB顺序的颜色（例如红色为(255,0,0)），但这样不符合我们的习惯。 为了简单，我们先将原始图像转换为BGR，然后在BGR图像上绘制，这样颜色定义就是我们熟悉的BGR顺序。 但是注意：原始图像self.color_image是RGB格式，我们通过： self.color_image = cv2.cvtColor(self.color_image, cv2.COLOR_BGR2RGB) # 注意：这个转换实际上是从BGR2RGB？不对，原消息是BGR格式吗？ 回顾image_callback函数： self.color_image = np.frombuffer(image.data, dtype=np.uint8).reshape(image.height, image.width, -1) self.color_image = cv2.cvtColor(self.color_image, cv2.COLOR_BGR2RGB) # 这里将BGR转换为RGB 所以，self.color_image现在是RGB格式。 我们想要在BGR图像上绘制，所以我们可以： img_draw = cv2.cvtColor(self.color_image, cv2.COLOR_RGB2BGR) 然后在这个img_draw上绘制边界框（使用BGR颜色定义），这样颜色就是正确的。 或者，我们也可以直接在RGB图像上绘制，但颜色值要使用RGB顺序（比如红色为(255,0,0)），但这样容易混淆。 我选择第一种：先转换为BGR，然后绘制，这样我们就可以使用常规的BGR颜色值。 修改后的dectshow函数： 步骤： 1. 将原始图像（RGB）转换为BGR格式，得到img_draw 2. 在img_draw上绘制边界框和文本（使用BGR颜色） 3. 在img_draw上绘制FPS（绿色） 4. 将img_draw赋值给self.frame（如果需要显示的话） 5. 发布这个img_draw（注意：发布时已经是BGR格式，所以编码为'bgr8'） 但是注意：我们之前发布图像时使用的是转换后的图像，现在我们在绘制前已经转换了，所以发布时直接使用img_draw即可。 具体代码修改如下：</think>根据您的要求，我将修改代码，使用直接判断类别名称的方式为边界框着色，而不使用色彩变换。以下是修改后的代码： ```python #!/usr/bin/env python # -*- coding: utf-8 -*- import cv2 import torch import rospy import numpy as np from ultralytics import YOLO from time import time from std_msgs.msg import Header from sensor_msgs.msg import Image from yolov8_ros_msgs.msg import BoundingBox, BoundingBoxes class Yolo_Dect: def __init__(self): # 加载参数 weight_path = rospy.get_param('~weight_path', '') image_topic = rospy.get_param('~image_topic', '/camera/color/image_raw') pub_topic = rospy.get_param('~pub_topic', '/yolov8/BoundingBoxes') self.camera_frame = rospy.get_param('~camera_frame', '') conf = rospy.get_param('~conf', '0.5') self.visualize = rospy.get_param('~visualize', 'True') # 设备选择 self.device = 'cuda' if not rospy.get_param('/use_cpu', 'false') else 'cpu' # 模型初始化 self.model = YOLO(weight_path) self.model.fuse() self.model.conf = conf self.color_image = Image() self.getImageStatus = False # 订阅者和发布者 self.color_sub = rospy.Subscriber(image_topic, Image, self.image_callback, queue_size=1, buff_size=52428800) self.position_pub = rospy.Publisher(pub_topic, BoundingBoxes, queue_size=1) self.image_pub = rospy.Publisher('/yolov8/detection_image', Image, queue_size=1) # 等待图像 while not self.getImageStatus: rospy.loginfo("waiting for image.") rospy.sleep(2) def image_callback(self, image): self.boundingBoxes = BoundingBoxes() self.boundingBoxes.header = image.header self.boundingBoxes.image_header = image.header self.getImageStatus = True # 转换图像格式 self.color_image = np.frombuffer(image.data, dtype=np.uint8).reshape(image.height, image.width, -1) self.color_image = cv2.cvtColor(self.color_image, cv2.COLOR_BGR2RGB) # YOLO检测 results = self.model(self.color_image, show=False, conf=0.3) # 调用可视化函数 self.dectshow(results, image.height, image.width) cv2.waitKey(3) def dectshow(self, results, height, width): # 创建原始图像的副本 self.frame = self.color_image.copy() # 计算FPS fps = 1000.0 / results[0].speed['inference'] cv2.putText(self.frame, f'FPS: {int(fps)}', (20,50), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2, cv2.LINE_AA) # 处理每个检测结果 for result in results[0].boxes: # 提取边界框坐标 box = result.xyxy[0].tolist() x1, y1, x2, y2 = [int(coord) for coord in box[:4]] cls_name = results[0].names[int(result.cls)] conf = result.conf.item() # +++ 根据类别名称直接判断颜色 +++ if cls_name == 'red': color = [0, 0, 255] # BGR: 红色 elif cls_name == 'blue': color = [255, 0, 0] # BGR: 蓝色 elif cls_name == 'yellow': color = [0, 255, 255] # BGR: 黄色 else: color = [0, 255, 0] # 默认绿色 # +++ 使用直接判断方式绘制边界框和标签 +++ cv2.rectangle(self.frame, (x1, y1), (x2, y2), color, 7) # 计算文本位置 text_pos_y = y1 label = f"{cls_name} {conf:.2f}" cv2.putText(self.frame, label, (x1, text_pos_y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2, cv2.LINE_AA) # 填充边界框消息 boundingBox = BoundingBox() boundingBox.xmin = x1 boundingBox.ymin = y1 boundingBox.xmax = x2 boundingBox.ymax = y2 boundingBox.Class = cls_name boundingBox.probability = conf self.boundingBoxes.bounding_boxes.append(boundingBox) # 发布消息 self.position_pub.publish(self.boundingBoxes) # 转换为BGR格式后发布 self.publish_image(cv2.cvtColor(self.frame, cv2.COLOR_RGB2BGR), height, width) def publish_image(self, imgdata, height, width): # 创建ROS图像消息 image_temp = Image() header = Header(stamp=rospy.Time.now()) header.frame_id = self.camera_frame image_temp.height = height image_temp.width = width image_temp.encoding = 'bgr8' image_temp.data = np.array(imgdata).tobytes() image_temp.header = header image_temp.step = width * 3 self.image_pub.publish(image_temp) def main(): rospy.init_node('yolov8_ros', anonymous=True) yolo_dect = Yolo_Dect() rospy.spin() if __name__ == "__main__": main() ``` ### 主要修改说明： 1. **直接类别判断着色**： ```python if cls_name == 'red': color = [0, 0, 255] # BGR: 红色 elif cls_name == 'blue': color = [255, 0, 0] # BGR: 蓝色 elif cls_name == 'yellow': color = [0, 255, 255] # BGR: 黄色 else: color = [0, 255, 0] # 默认绿色 ``` 2. **边界框绘制**： ```python cv2.rectangle(self.frame, (x1, y1), (x2, y2), color, 7) # 使用7像素粗的边界框 ``` 3. **文本标注**： ```python cv2.putText(self.frame, label, (x1, text_pos_y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2, cv2.LINE_AA) ``` 4. **保持其他功能不变**： - FPS显示 - 边界框消息发布 - 图像话题发布 ### 使用说明： 1. 确保YOLO模型输出的类别名称包含"red"、"blue"和"yellow" 2. 边界框颜色将根据类别名称直接设置： - 红色物体 → 红色边界框 - 蓝色物体 → 蓝色边界框 - 黄色物体 → 黄色边界框 - 其他物体 → 绿色边界框 3. 处理后的图像通过`/yolov8/detection_image`话题发布