OpenCV-信用卡数字识别-03
模板图
银行卡图
# 导入工具包
from imutils import contours
import numpy as np
import argparse
import cv2
# 指定信用卡类型
FIRST_NUMBER = {"3": "American Express","4": "Visa","5": "MasterCard","6": "Discover Card"
}
# 绘图展示函数
def cv_show(name, img):cv2.imshow(name, img)cv2.waitKey(0)
# cv2.destroyAllWindows()
# 读取一个模板图像
img = cv2.imread("ocr_a_reference.png")
cv_show('template',img)
# 灰度图
ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv_show('template_gray',ref)
# 二值图像
ref = cv2.threshold(ref, 10, 255, cv2.THRESH_BINARY_INV)[1]
cv_show('template_bi',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ref_,refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)cv2.drawContours(img,refCnts,-1,(0,0,255),3) # 轮廓在二值图上得到, 画要画在原图上
cv_show('template_Contours',img)
print (np.array(refCnts).shape)
# 对轮廓进行排序函数
def sort_contours(cnts, method="left-to-right"):reverse = Falsei = 0if method == "right-to-left" or method == "bottom-to-top":reverse = Trueif method == "top-to-bottom" or method == "bottom-to-top":i = 1# 计算外接矩形 boundingBoxes是一个元组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# sorted排序(cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),key=lambda b: b[1][i], reverse=reverse))return cnts, boundingBoxes # 轮廓和boundingBoxess
# 图像处理函数
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 imageif 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
refCnts = sort_contours(refCnts, method="template_Contours")[0] #排序,从左到右,从上到下
digits = {}
# 遍历每一个轮廓
for (i, c) in enumerate(refCnts): # c是每个轮廓的终点坐标
# 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] # 每个roi对应一个数字 roi = cv2.resize(roi, (57, 88)) # 太小,调大点digits[i] = roi # 每一个数字对应每一个模板# 【模板处理流程: 轮廓检测,外接矩形,抠出模板,让模板对应每个数值】# 【输入图像处理】
# 形态学操作,礼帽+闭操作可以突出明亮区域,但并不是非得礼帽+闭操作
# 初始化卷积核,根据实际任务指定大小,不一定非要3x3
rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3))
sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
#读取输入图像,预处理
image = cv2.imread("credit_card_01.png")
cv_show('Input_img',image)
image = resize(image, width=300)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv_show('Input_gray',gray)
#礼帽操作,突出更明亮的区域
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)
cv_show('Input_tophat',tophat)
# x方向的Sobel算子,实验表明,加y的效果的并不好
gradX = cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=1, dy=0, #ksize=-1相当于用3*3的ksize=-1)gradX = np.absolute(gradX) # absolute: 计算绝对值
(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('Input_Sobel_gradX',gradX)
# 通过闭操作(先膨胀,再腐蚀)将数字连在一起. 将本是4个数字的4个框膨胀成1个框,就腐蚀不掉了
gradX = cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel)
cv_show('Input_CLOSE_gradX',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0
thresh = cv2.threshold(gradX, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
cv_show('Input_thresh',thresh)# 再来一个闭操作
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel) # 填补空洞
cv_show('Input_thresh_CLOSE',thresh)# 计算轮廓
thre_,threshCnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)cnts = threshCnts
cur_img = image.copy()
cv2.drawContours(cur_img,cnts,-1,(0,0,255),3)
cv_show('Input_Contours',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 = []
# 遍历每一个轮廓中的数字
for (i, (gX, gY, gW, gH)) in enumerate(locs): # 遍历每一组大轮廓(包含4个数字)
# initialize the list of group digitsgroupOutput = []
# 根据坐标提取每一个组(4个值)group = gray[gY - 5:gY + gH + 5, gX - 5:gX + gW + 5] # 往外扩一点
# cv_show('group',group)
# 1.预处理
# 二值化的groupgroup = cv2.threshold(group,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]group_name = 'Input_group_' + str(i)cv_show(group_name,group)cv2.imwrite('./credit_card_01/' + group_name + '.jpg',group)
# 计算每一组的轮廓 这样就分成4个小轮廓了dig_,digitCnts,hierarchy = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
# 排序digitCnts = contours.sort_contours(digitCnts,method="left-to-right")[0]# 2.计算并匹配每一组中的每一个数值for c in digitCnts: # c表示每个小轮廓的终点坐标z=0
# 找到当前数值的轮廓,resize成合适的的大小(x, y, w, h) = cv2.boundingRect(c) # 外接矩形roi = group[y:y + h, x:x + w] # 在原图中取出小轮廓覆盖区域,即数字roi = cv2.resize(roi, (57, 88))roi_name = 'roi_'+str(z)# cv_show(roi_name,roi)# 计算匹配得分: 0得分多少,1得分多少...scores = [] # 单次循环中,scores存的是一个数值 匹配 10个模板数值的最大得分
# 在模板中计算每一个得分#digits的digit正好是数值0,1,...,9;digitROI是每个数值的特征表示for (digit, digitROI) in digits.items():# 进行模板匹配, res是结果矩阵result = cv2.matchTemplate(roi, digitROI,cv2.TM_CCOEFF) # 此时roi是5 digitROI是0 依次是1,2.. 匹配10次,看模板最高得分多少(_, score, _, _) = cv2.minMaxLoc(result) # score是最大值scores.append(score) # 10个最大值# 得到最合适的数字groupOutput.append(str(np.argmax(scores))) # 取最大值z = z+1# 画出来cv2.rectangle(image, (gX - 5, gY - 5),(gX + gW + 5, gY + gH + 5), (0, 0, 255), 1)# putText参数:图片,添加的文字,左上角坐标,字体,字体大小,颜色,字体粗细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)))
cv2.imshow("Output_image", image)
cv2.waitKey(0)
OpenCV-信用卡数字识别-03相关推荐
- OpenCV实践小项目(一): 信用卡数字识别
1. 写在前面 今天整理一个OpenCV实践的小项目, 前几天整理了一篇OpenCV处理图像的知识笔记,后面,就通过一些小项目把这些知识运用到实践中去,一个是加深理解,另一个是融会贯通,连成整体,因为 ...
- Opencv项目实战-信用卡数字识别
Opencv项目实战:信用卡数字识别 导入库,定义展示函数 import cv2 import numpy as np from imutils import contours import myut ...
- (八)OpenCV入门,代码练习,详细注释【信用卡数字识别】【240行】【原创】
文章目录 信用卡图片 数字模板图片 一.数字模板图片处理步骤 1,读取模板图片 2,灰度处理图片 3,二值化处理图片 4,检测数字轮廓图片 二.识别信用卡图片处理步骤 1,图片信用卡 2,图片灰度处理 ...
- 信用卡数字识别—opencv
信用卡数字识别:就是识别信用卡的卡号,然后将卡号打印出来! 然后对应的数字模板如下图所示: 接下来我们就一步步的分析程序吧 1.导入相关的包 # 导入工具包 from imutils import c ...
- 【项目实战】基于python+pycharm+OpenCV的信用卡数字识别
一.pycharm实现参数配置 直接运行程序会报错: usage: ocr_template_match.py [-h] -i IMAGE -t TEMPLATE ocr_template_match ...
- python信用卡客户_Python开发之基于模板匹配的信用卡数字识别功能
环境介绍 python 3.6 + OpenCV 3.4.1.15 原理介绍 首先,提取出模板中每一个数字的轮廓,再对信用卡图像进行处理,提取其中的数字部分,将该部分数字与模板进行匹配,即可得到结果. ...
- OpenCV车牌/数字识别
opencv 数字识别 附完整代码 Opencv的应用之车牌识别 用的支持向量机 使用opencv进行数字识别 对学习还是有点帮助的 Tensorflow 实现 MNIST 手 ...
- opencv-实战-信用卡数字识别
信用卡-数字识别 功能说明 简要步骤 先得到轮廓的外接矩形 然后对模板和图像进行轮廓检测得到外轮廓 例如先对4进行外接轮廓检测后再一一和模板里面的一一匹配 处理 先读入图像转入灰度图 对两个图像先re ...
- 信用卡数字识别OpenCV实现(含代码)【DataWhale项目】
参考课程:Opencv计算机视觉实战(Python版) 基本材料准备 一张仅含数字的图像作为模板. 一张银行卡的图像作为检测样本. 代码编写或者阅读的习惯 常打断点 勤展示数组的shape等,以及数组 ...
- 一文详解opencv摄像头数字识别
OpenCV数字识别 一.数字识别的两种方式 1.1 轮廓提取法 1.2 行列扫描法 二.提取图像中的ROI区域 2.1 读取摄像头图像 2.2 对图像进行二值化处理 2.3 形态学处理 2.4 设置 ...
最新文章
- python绘制月亮_Python函数
- 13位PM告诉你:「陌生人社交」如何逃离互加微信“魔咒”?
- Ubuntu_Win10双系统互换注意事项以及蓝屏解决方案
- 不建议在Docker中部署数据库
- ASP.NET Core 2.2 : 十六.扒一扒2.2版更新的新路由方案
- Android官方开发文档Training系列课程中文版:分享简单数据之添加简单的分享行为
- vue+nodejs 将canvas发布到dlna投屏服务
- Maven: git-commit-id-plugin插件
- Android4.4 多媒体开发(五)----OpenMax简介
- 理解x86架构的捷径
- html中播放的语法是什么,css语法是什么?
- HTTPS 证书生成原理和部署细节
- appscan无法连接到服务器_闪烁之光无法连接服务器怎么办 解决方案一览
- Power Analysis估算样本容量
- uni-app 中使用外部第三方字体(非字体图标)
- 【MQTT学习】lesson8. :Retained 消息和 LWT
- 复选框的全选、全不选、和获取选中的值;
- 阻塞非阻塞使用,initial assign always区别
- android音频口通信——2FSK信号调制
- 陪伴型机器人主场到来:热衷跳舞的波士顿“狗”开始搬砖、Sophia量产恐怖谷效应显现、与人类互动的机器狗来了 | 硅谷速递...
热门文章
- php防止报错,php报错:Cannot redeclare class 提示的解决方法
- 企业 MySQL 优化实施方案
- 网站运维技术与实践之服务器监测常用命令
- controller怎么调用controller_SpringMVC五大核心组件及调用过程
- oc语言和c语言,C语言及OC语言初期学习心得
- java void eat_java匿名内部类
- assert文件夹 设置android_android使用build.xml配置assert文件中不压缩的类型文件
- 位置传感器matlab,永磁同步电机无位置传感器控制matlab仿真【续贴二】
- go mysql 数据 json,golang查询数据返回json
- CentOS 安装宋体字体