python-openCV实现银行卡卡号识别

实现效果：

code

import cv2 as cv
import numpy as np# 轮廓排序 默认从左到右
# --cnts 待排序的轮廓列表
# --method 排序方法 自上而下，从左到右等
def sort_contours(cnts, method="left-to-right"):# 初始化反向标志和排序索引reverse = Falsei = 0# 处理是否需要逆向排序if method == "right-to-left" or method == "bottom-to-top":reverse = True# 处理时根据边界框的x坐标排序还是y坐标排序，如果是自上而下或者自下而上则需要根据y坐标排序而不是x坐标if method == "top-to-bottom" or method == "bottom-to-top":i = 1# 构建边界框list 并使用python魔术lambda表达式进行排序boundingBoxes = [cv.boundingRect(c) for c in cnts](cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),key=lambda b: b[1][i], reverse=reverse))# 返回排序后的轮廓和边界框return (cnts, boundingBoxes)# 显示图像
def cv_show(name, img):cv.imshow(name, img)# cv.waitKey(0)# cv.destroyAllWindows()# =================================1.读入模板图像================================def loadTemplate():img = cv.imread('template.png')cv_show('src', img)# 灰度图ref = cv.cvtColor(img, cv.COLOR_BGR2GRAY)cv_show('gray', ref)# 二值化ref = cv.threshold(ref, 10, 255, cv.THRESH_BINARY_INV)[1]cv_show('binary', ref)# 计算轮廓  外轮廓refCnts, hierarchy = cv.findContours(ref.copy(), cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)print(np.array(refCnts).shape)# print('---contours', contours)# -1画所有的轮廓cv.drawContours(img, refCnts, -1, (0, 255, 0), 3)cv_show('canny', img)digits = {}# 对轮廓进行排序refCnts = sort_contours(refCnts)[0]## 模板值的对应for (i, c) in enumerate(refCnts):(x, y, w, h) = cv.boundingRect(c)# print(i, ":", (x, y, w, h))roi = ref[y:y + h, x:x + w]roi = cv.resize(roi, (57, 88))# cv_show('roi',roi)digits[i] = roireturn digits# ==========================2.读入输入图像进行处理===============================
def dealProcess(digits):# 初始化卷积核rectKernel = cv.getStructuringElement(cv.MORPH_RECT, (9, 3))sqKernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))src = cv.imread('card.png')cv_show('src', src)inGray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)cv_show('inGray', inGray)# 礼帽操作tophat = cv.morphologyEx(inGray, cv.MORPH_TOPHAT, rectKernel)cv_show('tophat', tophat)# ksize=-1 3X3gradX = cv.Sobel(tophat, ddepth=cv.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")cv_show('gradX', gradX)# 闭操作gradX = cv.morphologyEx(gradX, cv.MORPH_CLOSE, rectKernel)cv_show('MORPH_CLOSE', gradX)# 自动寻找合适的阈值thresh = cv.threshold(gradX, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)[1]cv_show('thresh', thresh)thresh = cv.morphologyEx(thresh, cv.MORPH_CROSS, sqKernel)cv_show('thresh-close', thresh)# 计算轮廓srcCnts, srcHierarchy = cv.findContours(thresh.copy(), cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)print(type(srcCnts))src2 = src.copy()cv.drawContours(src2, srcCnts, -1, (0, 255, 0), 3)cv_show('src', src2)locs = []for (i, c) in enumerate(srcCnts):(x, y, w, h) = cv.boundingRect(c)ar = w / float(h)# print(i, ":","rect->",(x, y, w, h), ar)if 2.8 < ar < 4.0:if (50 < w < 65) and (15 < h < 33):locs.append((x, y, w, h))locs = sorted(locs, key=lambda x: x[0])print('-------------------------')print(locs)output = []for (i, (gX, gY, gW, gH)) in enumerate(locs):groupOutput = []# 截取图像group = inGray[gY - 5:gY + gH + 5, gX - 5:gX + gW + 5]# cv_show('group', group)# 预处理  二值化group = cv.threshold(group, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)[1]cv_show('group', group)# 计算一组轮廓digitCnts, hierarchy = cv.findContours(group.copy(), cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)digitCnts = sort_contours(digitCnts)[0]# 计算每一组中每一个数值for c in digitCnts:# 找到当前数值轮廓，resize 到合适的大小(x, y, w, h) = cv.boundingRect(c)roi = group[y:y + h, x:x + w]roi = cv.resize(roi, (57, 88))# 计算匹配得分scores = []# 在模板中计算每一个的得分for (digit, digitROI) in digits.items():# 模板匹配result = cv.matchTemplate(roi, digitROI, cv.TM_CCOEFF)# 相关系数(minVal, maxVal, minLoc, maxLoc) = cv.minMaxLoc(result)scores.append(maxVal)# print(maxVal)# 得到合适的数字groupOutput.append(str(np.argmax(scores)))cv.rectangle(src, (gX - -5, gY - 5), (gX + gW + 5, gY + gH + 5), (0, 0, 255), 1)cv.putText(src, "".join(groupOutput), (gX, gY - 15), cv.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)# 得到结果output.extend(groupOutput)return (src, output)if __name__ == '__main__':digits = loadTemplate()(src, output) = dealProcess(digits)# 打印输出结果print("res:{}".format("".join(output)))cv_show('res', src)cv.waitKey()

用到的资源图片：

感谢支持，欢迎讨论交流，谢谢！

python-openCV实现银行卡卡号识别相关推荐

学习Opencv+Python之银行卡卡号识别
学习Opencv+Python之银行卡卡号识别思路: 获取模板轮廓获取模板中每个数字的轮廓获取银行卡卡号轮廓分别提取卡号中的每个数字的轮廓对比识别代码: # 导入工具包 from imut ...
基于Python的Opencv 自动识别银行卡卡号系统
一. 摘要此应用功能为自动识别并获取银行卡卡号,通过导入需要识别的银行卡图片,以及跟银行卡上卡号的数字相一致的数字模型,则可以成功实现识别并获取银行卡卡号的功能.如果你对此感兴趣的话,下面将会详细介 ...
Python+OpenCV 识别银行卡卡号
Python+OpenCV 识别银行卡卡号今天尝试一下用python+OpenCV,使用模板匹配的方式做个简单地识别银行卡卡号(大部分参考网上的,自己改了一部分,代码写的有点不太好,但是思路很清晰, ...
招商银行信用卡卡号识别项目（第一篇），Python OpenCV 图像处理取经之旅第 53 篇
Python OpenCV 365 天学习计划,与橡皮擦一起进入图像领域吧.本篇博客是这个系列的第 53 篇. 该系列文章导航参考:https://blog.csdn.net/hihell/categ ...
【项目实战二】基于模板匹配和形态学操作的信用卡卡号识别（OpenCV+Python）
前言:信用卡卡号识别技术的发展有利于提高银行系统的业务水平和办事效率.相信此次通过学习使用OpenCV中的图像处理方法来实现信用卡卡号识别的项目,能让大家清楚地了解图像处理技术的一般方法与步骤以及如何 ...
OpenCv NDK 银行卡/身份证号识别(3) 银行卡/身份证图像处理和卡号区域剪切
通过前两篇我们已经对Opencv有所了解了,接下来就要真正的来处理我们的图像,然后把卡号给提取出来.首先我们先简单分析以下银行卡然后把处理流程列出来: 由上图我们很容易知道既然我们要找到卡号,银行卡的 ...
Python OpenCV开发MR智能人脸识别打卡系统（五、程序入口设计与测试）
需要源码请点赞关注收藏后评论区留言私信~~~ 整体系统讲解如下 Python OpenCV开发MR智能人脸识别打卡系统(一.需求分析与系统设计) Python OpenCV开发MR智能人脸识别打卡系统 ...
前端JS校验银行卡卡号和身份证号码（附ES6版方法）
1.银行卡卡号校验方法. function luhnCheck(bankno) { var lastNum = bankno.substr(bankno.length - 1, 1); //取出最后一 ...
银行卡卡号格式规范每隔4为一个空格
最近涉及到一个绑定银行卡的需求,需要格式化银行卡卡号.即:每隔4为做一个空格. 一个很简单的功能,大牛请自动忽略... 做个笔记O(∩_∩)O哈! bankCardNoEditTxt.addTextC ...

python-openCV实现银行卡卡号识别

实现效果：

code

用到的资源图片：

python-openCV实现银行卡卡号识别相关推荐

最新文章

热门文章