【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.py: error: the following arguments are required: -i/–image
1、找到如图所示位置，点击script parameters 进行参数设置

2、参数的内容设置如下，导入匹配图片的位置和待匹配图片，其中两张图片均在python文件夹下的images中

二、信用卡数字识别的图片

信用卡图片：

匹配模板：

三、代码实现

这个代码的通用性不强，对于匹配模板要求较高，并且匹配效率较低，可以应用在汽车车牌的匹配中。
代码如下：
ocr_template_match.py

# 导入工具包
from imutils import contours
import numpy as np
import argparse
import cv2
import myutils# 设置参数,设置输入的图片的位置
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,help="path to input image")
ap.add_argument("-t", "--template", required=True,help="path to template OCR-A image")
args = vars(ap.parse_args())# 指定信用卡类型
FIRST_NUMBER = {"3": "American Express","4": "Visa","5": "MasterCard","6": "Discover Card"
}
# 绘图展示，定义一个显示图像的函数，方便后期输出每一步的图像
def cv_show(name,img):cv2.imshow(name, img)cv2.waitKey(0)cv2.destroyAllWindows()# 读取一个模板图像，即用来匹配的数字模板，0-9
img = cv2.imread(args["template"])
cv_show('img',img)
# 灰度图 讲输如的模板图像变成灰度图像，即将像素归一化处理
ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv_show('ref',ref)
# 二值图像  将模板图像二值化，将原图像取反
ref = cv2.threshold(ref, 10, 255, cv2.THRESH_BINARY_INV)[1]
cv_show('ref',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 hierachy（所有的轮廓）refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)#drawCountours绘制轮廓 三个参数分别为，被绘制的图像，获取的轮廓信息，-1表示所有的图像的轮廓，颜色标记为R，
cv2.drawContours(img,refCnts,-1,(0,0,255),3)
cv_show('img',img)
#输出refcnts的形状，为10，获取到10个轮廓
print (np.array(refCnts).shape)
#对十个轮廓进行排序
refCnts = myutils.sort_contours(refCnts, method="left-to-right")[0] #排序，从左到右，从上到下
digits = {}# 遍历每一个轮廓 其中i表示轮廓索引，c表示找到的轮廓
for (i, c) in enumerate(refCnts):# 计算外接矩形并且resize成合适大小 ，x，y表示矩形的起点坐标，w，h，表示矩形的长宽(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# 初始化卷积核
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，待匹配图像
image = cv2.imread(args["image"])
cv_show('image',image)
#重新设置输入图片的大小，并转化成灰度图像
image = myutils.resize(image, width=300)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv_show('gray',gray)#礼帽操作，突出更明亮的区域，三个参数分别表示，传入的图片，变化的方式（顶帽运算），矩形核的大小
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)
cv_show('tophat',tophat)
# sobel算子，参数表示为：需处理的图像，图像深度，dx，dy，求导的阶数，算子的大小
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)
(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)#通过闭操作（先膨胀，再腐蚀）将数字连在一起
gradX = cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel)
cv_show('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('thresh',thresh)#再来一个闭操作thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel) #再来一个闭操作
cv_show('thresh',thresh)# 计算轮廓 经过处理后的待匹配图像，其中threshcnts表示找到的轮廓， cv2.RETR_EXTERNAL表示只检测外轮廓，
# cv2.CHAIN_APPROX_SIMPLE，压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
#和匹配图像的处理方式一样
threshCnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)cnts = threshCnts
cur_img = image.copy()
#画出找到的待匹配图像轮廓
cv2.drawContours(cur_img,cnts,-1,(0,0,255),3)
cv_show('img',cur_img)
#存储符合条件的轮廓信息，包括四部分，起点终点和长宽。形成一个列表的形式存储
locs = []# 遍历轮廓 其中i表示索引，c表示每一个轮廓，通过两个判断语句（具体情况）去除一部分轮廓
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，索引及详细信息
for (i, (gX, gY, gW, gH)) in enumerate(locs):# initialize the list of group digitsgroupOutput = []# 根据坐标提取每一个组，将每一组的轮廓适当的上下左右均扩大group = gray[gY - 5:gY + gH + 5, gX - 5:gX + gW + 5]cv_show('group',group)# 预处理，自动进行分割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，同上，计算外部轮廓及位置信息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，计算每一个数字与模板中数字相匹配的得分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)))
cv2.imshow("Image", image)
cv2.waitKey(0)

mutils.py

import cv2
#轮廓排序
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 = 1boundingBoxes = [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#重置图片大小
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 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

结果：
模板图像：

模板外轮廓图像：

待匹配图像：

识别结果图像：

【项目实战】基于python+pycharm+OpenCV的信用卡数字识别相关推荐

基于Python通过OpenCV实现的口罩识别系统理论篇
基于Python通过OpenCV实现的口罩识别系统理论设计篇一.项目实现环境基于Python 3.8.1版本 opencv-python 4.2.0.34版本需要自己下载OpenCV的库文件,添 ...
【实战】python以及opencv实现信用卡的数字识别
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 ...
基于Python的OpenCV+TensorFlow+Keras人脸识别实现
前言:本节要讲的人脸识别主要是借鉴了一位研究生前辈的文章我只是在他的基础上进行了改动,让代码能在现在的TensorFlow2.X 等的环境下运行先看一下效果图完整工程及源代码请点击链接下载:人 ...
django项目实战基于Python实现的衣物捐赠系统
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 ...
搭建数字图像处理开发环境（Python+pycharm+opencv）
搭建数字图像处理开发环境(Python+pycharm+opencv) 安装python 安装pycharm 安装包 pycharm安装过程安装opencv 注: 后续安装python 可以在这里 ...
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. ...
基于python的opencv的学习
前言在了解基本的python语法后,我们终于可以开始进行一些项目的实践学习.这里用opencv进行第一个python项目的上手. 这里我将会分享自己寒假对于opencv的学习一.安装开发环境推 ...
自动化运维-----项目实战: 基于Ansible的云平台自动化运维系统
文章目录项目实战: 基于Ansible的云平台自动化运维系统一.项目介绍 1.项目介绍 2.项目背景二.项目环境搭建 1.项目目录的配置 2.远程服务器虚拟环境的配置 3.MySQL数据库配置 ...

【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

二、信用卡数字识别的图片

三、代码实现

【项目实战】基于python+pycharm+OpenCV的信用卡数字识别相关推荐

最新文章

热门文章