本文共 6225 字，大约阅读时间需要 20 分钟。

本项目利用python以及opencv实现信用卡的数字识别

• 前期准备
  • 导入工具包
  • 定义功能函数
• 模板图像处理
  • 读取模板图像 cv2.imread(img)
  • 灰度化处理 cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
  • 二值化 cv2.threshold()
  • 轮廓 - 轮廓
• 信用卡图像处理
  • 读取信用卡图像 cv2.imread(img)
  • 灰度化处理 cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
  • 礼帽处理 cv2.morphologyEx(gray,cv2.MORPH_TOPHAT,rectKernel)
  • Sobel边缘检测 cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=1, dy=0, ksize=-1)
  • 闭操作 cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel)
  • 计算轮廓 cv2.findContours
  • 模板检测 cv2.matchTemplate(roi, digitROI,cv2.TM_CCOEFF)

原始数据展示

1 前期准备

# 导入工具包# opencv读取图片的格式为b g r# matplotlib图片的格式为 r g bimport numpy as npimport cv2from imutils import contoursimport matplotlib.pyplot as plt%matplotlib inline

# 信用卡的位置predict_card = "images/credit_card_01.png"# 模板的位置template = "images/ocr_a_reference.png"

# 指定信用卡类型FIRST_NUMBER = {
       "3": "American Express",    "4": "Visa",    "5": "MasterCard",    "6": "Discover Card"}

# 定义一些功能函数# 对框进行排序def sort_contours(cnts, method="left-to-right"):    reverse = False    i = 0    if method == "right-to-left" or method == "bottom-to-top":        reverse = True    if method == "top-to-bottom" or method == "bottom-to-top":        i = 1    boundingBoxes = [cv2.boundingRect(c) for c in cnts] #用一个最小的矩形，把找到的形状包起来x,y,h,w    (cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),                                        key=lambda b: b[1][i], reverse=reverse))    return cnts, boundingBoxes# 调整图片尺寸大小def resize(image, width=None, height=None, inter=cv2.INTER_AREA):    dim = None    (h, w) = image.shape[:2]    if width is None and height is None:        return image    if width is None:        r = height / float(h)        dim = (int(w * r), height)    else:        r = width / float(w)        dim = (width, int(h * r))    resized = cv2.resize(image, dim, interpolation=inter)    return resized# 定义cv2展示函数def cv_show(name,img):    cv2.imshow(name,img)    cv2.waitKey(0)    cv2.destroyAllWindows()

2 对模板图像进行预处理操作

读取模板图像

# 读取模板图像img = cv2.imread(template)cv_show("img",img)plt.imshow(img)

模板图像转灰度图像

# 转灰度图ref = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)cv_show("ref",ref)plt.imshow(ref)

转为二值图像

ref = cv2.threshold(ref,10,255,cv2.THRESH_BINARY_INV)[1]cv_show("ref",ref)plt.imshow(ref)

计算轮廓

#cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度图）,cv2.RETR_EXTERNAL只检测外轮廓，cv2.CHAIN_APPROX_SIMPLE只保留终点坐标#返回的list中每个元素都是图像中的一个轮廓# 在二值化后的图像中计算轮廓refCnts,hierarchy = cv2.findContours(ref.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)# 在原图上画出轮廓cv2.drawContours(img,refCnts,-1,(0,0,255),3)cv_show("img",img)plt.imshow(img)

print(np.array(refCnts).shape)# 排序，从左到右，从上到下refCnts = sort_contours(refCnts,method="left-to-right")[0] digits = {
   }# 遍历每一个轮廓for (i, c) in enumerate(refCnts):    # 计算外接矩形并且resize成合适大小    (x, y, w, h) = cv2.boundingRect(c)    roi = ref[y:y + h, x:x + w]    roi = cv2.resize(roi, (57, 88))    # 每一个数字对应每一个模板    digits[i] = roi

(10,)

3 对信用卡进行处理

初始化卷积核

rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3))sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))

读取信用卡

image = cv2.imread(predict_card)cv_show("image",image)plt.imshow(image)

对图像进行预处理操作

# 先对图像进行resize操作image = resize(image,width=300)# 灰度化处理gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)cv_show("gray",gray)plt.imshow(gray)

对图像礼帽操作

• 礼帽 = 原始输入-开运算结果
• 开运算:先腐蚀，再膨胀
• 突出更明亮的区域

tophat = cv2.morphologyEx(gray,cv2.MORPH_TOPHAT,rectKernel)cv_show("tophat",tophat)plt.imshow(tophat)

用Sobel算子边缘检测

gradX = cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=1, dy=0, ksize=-1)gradX = np.absolute(gradX)(minVal, maxVal) = (np.min(gradX), np.max(gradX))gradX = (255 * ((gradX - minVal) / (maxVal - minVal)))gradX = gradX.astype("uint8")print (np.array(gradX).shape)cv_show("gradX",gradX)plt.imshow(gradX)

(189, 300)
   

对图像闭操作

• 闭操作:先膨胀，再腐蚀
• 可以将数字连在一起

gradX = cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel) cv_show("gradX",gradX)plt.imshow(gradX)

#THRESH_OTSU会自动寻找合适的阈值，适合双峰，需把阈值参数设置为0thresh = cv2.threshold(gradX, 0, 255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1] cv_show("thresh",thresh)plt.imshow(thresh)

# 再进行一次闭操作thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel) #再来一个闭操作cv_show("thresh",thresh)plt.imshow(thresh)

计算轮廓

threshCnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)cnts = threshCntscur_img = image.copy()cv2.drawContours(cur_img,cnts,-1,(0,0,255),3) cv_show("img",cur_img)plt.imshow(cur_img)

locs = []# 遍历轮廓for (i, c) in enumerate(cnts):    # 计算矩形    (x, y, w, h) = cv2.boundingRect(c)    ar = w / float(h)    # 选择合适的区域，根据实际任务来，这里的基本都是四个数字一组    if ar > 2.5 and ar < 4.0:        if (w > 40 and w < 55) and (h > 10 and h < 20):            #符合的留下来            locs.append((x, y, w, h))# 将符合的轮廓从左到右排序locs = sorted(locs, key=lambda x:x[0])output = []

模板匹配

# 遍历每一个轮廓中的数字for (i, (gX, gY, gW, gH)) in enumerate(locs):    # initialize the list of group digits    groupOutput = []    # 根据坐标提取每一个组    group = gray[gY - 5:gY + gH + 5, gX - 5:gX + gW + 5]    cv_show("group",group)    # 预处理    group = cv2.threshold(group, 0, 255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]    cv_show("group",group)    # 计算每一组的轮廓    digitCnts,hierarchy = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)    digitCnts = contours.sort_contours(digitCnts,method="left-to-right")[0]    # 计算每一组中的每一个数值    for c in digitCnts:        # 找到当前数值的轮廓，resize成合适的的大小        (x, y, w, h) = cv2.boundingRect(c)        roi = group[y:y + h, x:x + w]        roi = cv2.resize(roi, (57, 88))        cv_show("roi",roi)                # 计算匹配得分        scores = []        # 在模板中计算每一个得分        for (digit, digitROI) in digits.items():            # 模板匹配            result = cv2.matchTemplate(roi, digitROI,cv2.TM_CCOEFF)            (_, score, _, _) = cv2.minMaxLoc(result)            scores.append(score)        # 得到最合适的数字        groupOutput.append(str(np.argmax(scores)))    # 画出来    cv2.rectangle(image, (gX - 5, gY - 5),(gX + gW + 5, gY + gH + 5), (0, 0, 255), 1)    cv2.putText(image, "".join(groupOutput), (gX, gY - 15),cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)    # 得到结果    output.extend(groupOutput)

# 打印结果print("Credit Card Type: {}".format(FIRST_NUMBER[output[0]]))print("Credit Card #: {}".format("".join(output)))cv_show("Image",image)plt.imshow(image)

Credit Card Type: VisaCredit Card #: 4000123456789010
   

转载地址：https://codingchaozhang.blog.csdn.net/article/details/99650303 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！