要想搞明白拍照的过程，要搞清楚下面几件事：
1
整个程序的功能是： 对摄像头前的人进行拍照保存。。
从ros的img话题里面拿出图像，然后把图像的灰度啦，直方图啦，处理一下。。
用级联分类器（说白了就是一个xml文件，这个xml里面全是数字，代表了一个人鼻子眼睛耳朵等等的特征数据，opencv 通过和这些数据进行比较，判断摄像头给过来的数据像不像一个人，决定拍不拍这一张图片） 进行人脸拍照。
然后把这个人脸画框（用红色框把脸框起来）， 通过话题把 这个照片发布出去。
再保存原始的（没框）人脸数据到本地。。
2.
拍的照片第一次 肯定是ros格式的，毕竟你的ros装在树莓派上，使用的usb摄像头肯定信息先到树莓派里面。。 因此先转化成 opencv 的格式，让opencv的级联分类器使用。当opencv 框出人脸之后， 再把这个图片转化成ros格式的， 随后通过话题发布出去
3 代码解释
#include<ros/ros.h>
#include<image_transport/image_transport.h>
//cv_bridge 将opencv的图像转化成ros格式
#include<cv_bridge/cv_bridge.h>
//image encodings(包含了很多有用的常量和函数)，
#include<sensor_msgs/image_encodings.h>
//包含OpenCV的图像处理和GUI模块头文件
#include<opencv2/highgui.hpp>
#include<opencv2/objdetect.hpp>
using namespace cv;
using namespace std;
string face_default_model;
string face_save_path;
CascadeClassifier face_cascade;
image_transport::Publisher pub;
Mat src;
int pic_num = 1;
int interval = 0;
void imageCallback(const sensor_msgs::ImageConstPtr &msg)
{
// 先把ros格式的图像转化成opencv的格式再说
src = cv_bridge::toCvShare(msg,"bgr8")->image;
//Mat就是一个数据类型，矩阵类型的
Mat gray;
Mat result;
result = src.clone();
vector<Rect> faces;
///第二步，图像灰度化
cvtColor(src,gray,CV_BGR2GRAY); //转化为灰度图
equalizeHist(gray,gray); // 直方图均衡化 ，清晰度，对比度变大
//第三步，调用detectMultiScale()实现多尺度检测
//第二个参数faces 就是检测到的图像输出到faces
//第三个参数1.1就是搜索前后的窗口比例，每次检测窗口 扩大 1.1倍
//第四个参数构成检测目标的相邻矩形的最小个数 ，太小就会误检，太大就会目标检验不出来, 相当于阈值
//后面两个就是能够检测的最小和最大尺寸
face_cascade.detectMultiScale(gray,faces,1.1,2,0|CASCADE_SCALE_IMAGE,Size(30,30));
//在 faces上面画出红色的框，另存为result
for(size_t i=0;i<faces.size();++i)
{
rectangle(result,faces[i],Scalar(0,0,255),1);
}
if(faces.size()==1)
{
Mat faceROI = gray(faces[0]);
Mat myFace;
resize(faceROI,myFace,Size(92,112));
string filename = face_save_path+format("%d.jpg",pic_num);
//可以看到interval 直到50次才会自己加一次
//这意味着 这个 callback 回调函数被回调了50次才存下来一张照片
// 这意味着image_raw 订阅50次才会保存一次
if((pic_num <= 30) && (interval == 50))
{
imwrite(filename,myFace);
pic_num++;
interval = 0;
}
interval += 1;
}
//把这个opencv的图像再转化成ros图像,发布出去
sensor_msgs::ImagePtr pubmsg = cv_bridge::CvImage(std_msgs::Header(),"bgr8",result).toImageMsg();
if(pub!=NULL)
{
pub.publish(pubmsg);
}
}
int main(int argc, char *argv[])
{
/*
分类器： 判别某个事物是否属于某种分类的器件，两种结果：是、否
级联分类器： 可以理解为将N个单类的分类器串联起来。如果一个事物能属于这一系列串联起来的的所有分类器，则最终结果就是 是，若有一项不符，则判定为否
比如人脸，它有很多属性，我们将每个属性做一成个分类器，如果一个模型符合了我们定义的人脸的所有属性，
则我们人为这个模型就是一个人脸。那么这些属性是指什么呢？ 比如人脸需要有两条眉毛，两只眼睛，一个鼻子，一张嘴，一个大概U形状的下巴或者是轮廓等等
*/
ros::init(argc,argv,"takephotos");
ros::NodeHandle n;
ros::param::get("~model",face_default_model); //加载微软的级联分类器
ros::param::get("~savepath",face_save_path);
if(!face_cascade.load(face_default_model))
{
ROS_INFO("cant load xml");
return 0;
}
image_transport::ImageTransport it(n);
pub = it.advertise("/image_detect",1);
image_transport::Subscriber sub = it.subscribe("/camera/rgb/image_raw",1,imageCallback);
ros::spin();
return 0;
}