Python+Opencv身份证号码区域提取及识别！

做测试用的照片以及数字识别匹配使用的模板（自制）提供给大家，通过查询得到，身份证号码使用的字体格式为OCR-B 10 BT格式，实训中用到的身份证图片为训练测试图片，有一部分是老师当时直接给出的，还有一部分是我自己用自己身份证做的测试和从网上找到了一张，由于部分身份证号码不是标准字体格式，对识别造成影响，所以有部分图片我还提前ps了一下。

模板

流程图

流程图

前期处理的部分不在描述，流程图和代码注释中都有。其实整个过程并不是很复杂，本来想过在数字识别方面用现成的一些方法，或者想要尝试用到卷积神经网络（CNN）然后做训练集来识别。后来在和老师交流的时候，老师给出建议可以尝试使用特征点匹配或者其他类方法。根据最后数字分割出来单独显示的效果，想到了一个适合于我代码情况的简单方法。

建立一个标准号码库（利用上面自制模板数字分割后获得），然后用每一个号码图片与库中所有标准号码图片做相似度匹配，和哪一个模板相似度最高，则说明该图片为哪一位号码。在将模板号码分割成功后，最关键的一步就是进行相似度匹配。为提高匹配的精确度和效率，首先利用cv.resize()将前面被提取出的每位身份证号码以及标准号码库中的号码做图像大小调整，统一将图像均调整为12x18像素的大小，图像大小的选择是经过慎重的考虑的，如果太大则计算过程耗时，如果过小则可能存在较大误差。匹配的具体方案为：记录需要识别的图片与每个模板图片中有多少位置的像素点相同，相同的越多，说明相似度越高，也就最有可能是某个号码。最终将18位号码都识别完成后，得到的具体的相似度矩阵。

具体代码如下所示：

import cv2 as cv

import numpy as np

import matplotlib.pyplot as plt

# 将身份证号码区域从身份证中提取出

def Extract(op_image, sh_image):

binary, contours, hierarchy = cv.findContours(op_image,

cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

contours.remove(contours[0])

max_x, max_y, max_w, max_h = cv.boundingRect(contours[0])

color = (0, 0, 0)

for c in contours:

x, y, w, h = cv.boundingRect(c)

cv.rectangle(op_image, (x, y), (x + w, y + h), color, 1)

cv.rectangle(sh_image, (x, y), (x + w, y + h), color, 1)

if max_w < w:

max_x = x

max_y = y

max_w = w

max_h = h

cut_img = sh_image[max_y:max_y+max_h, max_x:max_x+max_w]

cv.imshow("The recognized enlarged image", op_image)

cv.waitKey(0)

cv.imshow("The recognized binary image", sh_image)

cv.waitKey(0)

return cut_img

# 号码内部区域填充(未继续是用此方法)

def Area_filling(image, kernel):

# The boundary image

iterate = np.zeros(image.shape, np.uint8)

iterate[:, 0] = image[:, 0]

iterate[:, -1] = image[:, -1]

iterate[0, :] = image[0, :]

iterate[-1, :] = image[-1, :]

while True:

old_iterate = iterate

iterate_dilation = cv.dilate(iterate, kernel, iterations=1)

iterate = cv.bitwise_and(iterate_dilation, image)

difference = cv.subtract(iterate, old_iterate)

# if difference is all zeros it will return False

if not np.any(difference):

break

return iterate

# 将身份证号码区域再次切割使得一张图片一位号码

def Segmentation(cut_img, kernel, n):

#首先进行一次号码内空白填充(效果不佳，放弃)

#area_img = Area_filling(cut_img, kernel)

#cv.imshow("area_img", area_img)

#cv.waitKey(0)

#dilate = cv.dilate(area_img, kernel, iterations=1)

#cv.imshow("dilate", dilate)

#cv.waitKey(0)

cut_copy = cut_img.copy()

binary, contours, hierarchy = cv.findContours(cut_copy, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

contours.remove(contours[0])

for c in contours:

x, y, w, h = cv.boundingRect(c)

for i in range(h):

for j in range(w):

# 把首次用findContours()方法识别的轮廓内区域置黑色

cut_copy[y + i, x + j] = 0

# cv.rectangle(cut_copy, (x, y), (x + w, y + h), color, 1)

cv.imshow("Filled image", cut_copy)

cv.waitKey(0)

# 尝试进行分割

binary, contours, hierarchy = cv.findContours(cut_copy, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

#tmp_img = cut_img.copy()

# 如果识别的轮廓数量不是n+1位(首先是一个整个区域的轮廓，然后是n位号码各自的轮廓，身份证和匹配模板分割均用此方法)

while len(contours)!=n+1:

if len(contours) < n+1:

# 如果提取的轮廓数量小于n+1, 说明可能有两位数被识别到一个轮廓中，做一次闭运算，消除数位之间可能存在的连接部分，然后再次尝试提取

#cut_copy = cv.dilate(cut_copy, kernel, iterations=1)

cut_copy = cv.morphologyEx(cut_copy, cv.MORPH_CLOSE, kernel)

cv.imshow("cut_copy", cut_copy)

cv.waitKey(0)

# 再次尝试提取身份证区域的轮廓并将轮廓内区域用黑色覆盖

binary, contours, hierarchy = cv.findContours(cut_copy, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

# 去掉提取出的第一个轮廓(第一个轮廓为整张图片)

contours.remove(contours[0])

for c in contours:

x, y, w, h = cv.boundingRect(c)

for i in range(h):

for j in range(w):

cut_copy[y + i, x + j] = 0

# cv.rectangle(cut_copy, (x, y), (x + w, y + h), color, 1)

cv.imshow("Filled image", cut_copy)

cv.waitKey(0)

#如果findContours()结果为n，跳出

if len(contours) == n:

break

elif len(contours) > n+1:

# 如果提取的轮廓数量大于n+1, 说明可能有一位数被识别到两个轮廓中，做一次开运算，增强附近身份证区域部分之间的连接部分，然后再次尝试提取

#cut_copy = cv.erode(cut_copy, kernel, iterations=1)

cut_copy = cv.morphologyEx(cut_copy, cv.MORPH_OPEN, kernel2)

cv.imshow("cut_copy", cut_copy)

cv.waitKey(0)

#再次尝试提取身份证区域的轮廓并将轮廓内区域用黑色覆盖

binary, contours, hierarchy = cv.findContours(cut_copy, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

#去掉提取出的第一个轮廓(第一个轮廓为整张图片)

contours.remove(contours[0])

for c in contours:

x, y, w, h = cv.boundingRect(c)

for i in range(h):

for j in range(w):

cut_copy[y + i, x + j] = 0

# cv.rectangle(cut_copy, (x, y), (x + w, y + h), color, 1)

#cv.imshow("cut_copy", cut_copy)

#cv.waitKey(0)

if len(contours) == n:

break

# 上述while()中循环完成后，处理的图像基本满足分割要求，进行最后的提取分割

binary, contours, hierarchy = cv.findContours(cut_copy, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

contours.remove(contours[0])

color = (0, 0, 0)

for c in contours:

x, y, w, h = cv.boundingRect(c)

for i in range(h):

for j in range(w):

cv.rectangle(cut_copy, (x, y), (x + w, y + h), color, 1)

cv.rectangle(cut_img, (x, y), (x + w, y + h), color, 1)

cv.imshow("Filled image", cut_copy)

cv.waitKey(0)

cv.imshow("cut_img", cut_img)

cv.waitKey(0)

#print('number:', len(contours))

# Returns the result of the split

return contours

#return cut_img

# Sort排序方法，先将图像分割，由于分割的先后顺序不是按照从左往右，根据横坐标大小将每位身份证号码图片进行排序

def sort(contours, image):

tmp_num = []

x_all = []

x_sort = []

for c in contours:

x, y, w, h = cv.boundingRect(c)

# 使用x坐标来确定身份证号码图片的顺序，把个图片坐标的x值放入x_sort中

x_sort.append(x)

# 建立一个用于索引x坐标的列表

x_all.append(x)

tmp_img = image[y+1:y+h-1, x+1:x+w-1]

tmp_img = cv.resize(tmp_img, (40, 60))

cv.imshow("Number", tmp_img)

cv.waitKey(0)

# 将分割的图片缩小至12乘18像素的大小，标准化同时节约模板匹配的时间

tmp_img = cv.resize(tmp_img, (12, 18))

tmp_num.append(tmp_img)

# 利用x_sort排序，用x_all索引，对身份证号码图片排序

x_sort.sort()

num_img = []

for x in x_sort:

index = x_all.index(x)

num_img.append(tmp_num[index])

# 返回排序后图片列表

return num_img

# 图像识别方法

def MatchImage(img_num, tplt_num):

# IDnum用于存储最终的身份证字符串

IDnum = ''

# 身份证号码18位

for i in range(18):

# 存储最大相似度模板的索引以及最大相似度

max_index = 0

max_simil = 0

# 模板有1~9，0，X共11个

for j in range(11):

# 存储身份证号码图片与模板之间的相似度

simil = 0

for y in range(18):

for x in range(12):

# 如果身份证号码图片与模板之间对应位置像素点相同，simil 值自加1

if img_num[i][y,x] == tplt_num[j][y,x]:

simil+=1

if max_simil < simil:

max_index = j

max_simil = simil

print(str(simil)+' ',end='')

if max_index < 9:

IDnum += str(max_index+1)

elif max_index == 9:

IDnum += str(0)

else:

IDnum += 'X'

print()

return IDnum

# 最终效果展示

def display(IDnum, image):

image = cv.resize(image, (960, 90))

plt.figure(num='ID_Number')

plt.subplot(111), plt.imshow(image, cmap='gray'), plt.title(IDnum, fontsize=30), plt.xticks([]), plt.yticks([])

plt.show()

if __name__ == '__main__':

# 一共三张做测试用身份证图像

path = 'IDcard01.jpg'

#path = 'IDcard02.png'

#path = 'IDcard.jpg'

id_card = cv.imread(path, 0)

cv.imshow('Original image', id_card)

cv.waitKey(0)

# 将图像转化成标准大小

id_card = cv.resize(id_card,(1200, 820))

cv.imshow('Enlarged original image', id_card)

cv.waitKey(0)

# 图像二值化

ret, binary_img = cv.threshold(id_card, 127, 255, cv.THRESH_BINARY)

cv.imshow('Binary image', binary_img)

cv.waitKey(0)

# RECTANGULAR

kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))

# RECTANGULAR

kernel2 = cv.getStructuringElement(cv.MORPH_DILATE, (5, 5))

#close_img = cv.morphologyEx(binary_img, cv.MORPH_CLOSE, kernel)

# The corrosion treatment connects the ID Numbers

erode = cv.erode(binary_img, kernel, iterations=10)

cv.imshow('Eroded image', erode)

cv.waitKey(0)

cut_img = Extract(erode, binary_img.copy())

cv.imshow("cut_img", cut_img)

cv.waitKey(0)

# 存储最终分割的轮廓

contours = Segmentation(cut_img, kernel, 18)

# 对图像进行分割并排序

img_num = sort(contours, cut_img)

# 识别用的模板

tplt_path = '/home/image/Pictures/template.jpg'

tplt_img = cv.imread(tplt_path, 0)

#cv.imshow('Template image', tplt_img)

#cv.waitKey(0)

ret, binary_tplt = cv.threshold(tplt_img, 127, 255, cv.THRESH_BINARY)

cv.imshow('Binary template image', binary_tplt)

cv.waitKey(0)

# 与身份证相同的分割方式

contours = Segmentation(binary_tplt, kernel, 11)

tplt_num = sort(contours, binary_tplt)

# 最终识别出的身份证号码

IDnum = MatchImage(img_num, tplt_num)

print('\nID_Number is:', IDnum)

# 图片展示

display(IDnum, cut_img)

效果展示：

还是很有意思的，需要源代码的记得加下群“1136192749”

此文为转载问，如有侵权联系小编删除

Python+Opencv身份证号码区域提取及识别！相关推荐

Python+Opencv身份证号码区域提取及识别实现
前端时间智能信息处理实训,我选择的课题为身份证号码识别,对中华人民共和国公民身份证进行识别,提取并识别其中的身份证号码,将身份证号码识别为字符串的形式输出.现在实训结束了将代码发布出来供大家参考,识别 ...
Opencv获取身份证号码区域
记得应该是16年的时候,从一个公开课看到了关于OCR方面的内容,里面讲到了通过OpenCV对身份证号码区域的剪裁以及使用Tess-Two进行文字识别,实现了对身份证号码的识别功能. 断断续续看了点关于 ...
java 身份证地址提取籍贯_从身份证号码中提取信息，这些方法请收好
小伙伴们好啊,今天老祝为大家准备了一组和身份证有关的函数公式,看看如何从身份证号码中提取出需要的信息. 如下图为所示,是一份模拟的员工信息表,A列是姓名,B列是身份证号码,C列是职级. ★ 首先咱们来 ...
用Python+OpenCV+PyQt开发的答题卡识别软件
用Python+OpenCV+PyQt开发的答题卡识别软件软件使用说明软件设计思路如何设置答案界面风格备注这是一个可以识别定制答题卡的软件,它可以根据用户自定的答案来进行识别,校对正误并统 ...
excel如何从身份证号码中提取虚岁？
1.打开演示文件要求从身份证号码中提取虚岁. 2.首先我们选中身份证号码单元格区域 3.然后我们点击[diy工具箱] 4.点击[身份证]然后选择[提取年龄] 5.选择[虚岁],接着我们点击[确定] ...
opencv 感兴趣区域提取（ROI）
opencv 感兴趣区域提取 (ROI) 1)使用像素坐标来提取ROI,前提是知道感兴趣区域的具体坐标范围 def img_cut():os.chdir(input)img_row = 1for im ...
如何快速从身份证号码中提取周岁？
今天跟大家分享一下如何快速从身份证号码中提取周岁? 1.点击[DIY工具箱] 2.点击[身份证]选择[提取年龄] 3.勾选[年龄]并设置为[周岁],然后点击[确定] 4.最后我们选择一个合适的保存 ...
python+opencv图像处理之边缘检测车道线识别
python+opencv图像处理之边缘检测车道线识别 1.自行安装python和opencv 2.导入我们要使用的相关库 import cv2 from matplotlib import pypl ...
7-27 从身份证号码中提取出出生年月 (12point(s))
7-27 从身份证号码中提取出出生年月 (12point(s)) 输入一个18位的身份证号码,提取出年份和月份并输出,请判断输入的号码是否是18位,如果不是请提示"Invalid data, ...

Python+Opencv身份证号码区域提取及识别！

Python+Opencv身份证号码区域提取及识别！相关推荐

最新文章

热门文章