《Opencv》名誉卡信息识别项目

目次

一、项目介绍
二、数据材料介绍
1、模板图片（1张）
2、需要处理处罚的名誉卡图片（5张） 
三、实现过程
1、导入需要用到的库
2、设置下令行参数
3、模板图像中数字的定位处理处罚
4、名誉卡图像处理处罚
5、模板匹配 
四、总结

---

一、项目介绍

项目的重要目标是实现名誉卡号码和类型的识别。通过图像处理处罚技能，从名誉卡图像中提取出卡号，将每个数字与模板数字进行比对，从而得着名誉卡号码。并根据卡号的第一位数字判断名誉卡的类型。
二、数据材料介绍

1、模板图片（1张）

2、需要处理处罚的名誉卡图片（5张） 

 

 

 

 

 
三、实现过程

1、导入需要用到的库

1. import numpy as np
2. import argparse
3. import cv2
4. import myutils

复制代码

此中myutils模块为自己编写的工具模块，里面包含了对外貌进行排序的函数以及自动变更图片大小的函数，内容如下：

1. """myutil.py"""
3. import cv2
5. # 排序函数
6. def sort_contours(cnts, method='left-to-right'):
7.     # 初始化排序方向和索引
8.     reverse = False
9.     axis_index = 0  # 默认按 x 轴排序（从左到右或从右到左）
10.     # 根据排序方法设置排序方向和索引
11.     if method == 'right-to-left' or method == 'bottom-to-top':
12.         reverse = True  # 反向排序
13.     if method == 'top-to-bottom' or method == 'bottom-to-top':
14.         axis_index = 1  # 按 y 轴排序（从上到下或从下到上）
15.     # 计算每个轮廓的边界框
16.     bounding_boxes = [cv2.boundingRect(c) for c in cnts]
17.     # 将轮廓和边界框组合在一起
18.     combined = list(zip(cnts, bounding_boxes))
19.     # 根据边界框的坐标进行排序
20.     sorted_combined = sorted(combined, key=lambda x: x[1][axis_index], reverse=reverse)
21.     # 解包排序后的轮廓和边界框
22.     sorted_cnts = [item[0] for item in sorted_combined]
23.     sorted_bounding_boxes = [item[1] for item in sorted_combined]
24.     return sorted_cnts, sorted_bounding_boxes
29. # 变换图片大小的函数
30. def resize(image, width=None, height=None, inter=cv2.INTER_AREA):
31.     dim = None
32.     (h, w) = image.shape[:2]
33.     if width is None and height is None:
34.         return image
35.     if width is None:
36.         r = height / float(h)
37.         dim = (int(w * r), height)
38.     else:
39.         r = width / float(w)
40.         dim = (width, int(h * r))
41.     resized = cv2.resize(image, dim, interpolation=inter)
42.     #参数interpolation指定了在图像大小调整过程中如何处理像素插值的方法。cv2.INTER_AREA具体意味着使用面积插值方法。
43.     return resized

复制代码

 
2、设置下令行参数

• --image为名誉卡图片
  
• --template为模板图片
  

1. ap = argparse.ArgumentParser()
2. ap.add_argument('-i','--image',required=True,help='')
3. ap.add_argument('-t','--template',required=True,help='')
4. args = vars(ap.parse_args())
6. # 信用卡号码开头对应信用卡的类型
7. FIRST_NUMBER = {"3":"American Express",
8.                 "4":"Visa",
9.                 "5":"MasterCard",
10.                 "6":"Discover Card"}
11. # 定义显示图片函数
12. def cv_show(name, image):
13.     cv2.imshow(name, image)
14.     cv2.waitKey(0)

复制代码

3、模板图像中数字的定位处理处罚

• 读取模板图像（包含 0-9 的数字）。
  
• 对模板图像进行灰度化、二值化处理处罚。
  
• 使用外貌检测提取每个数字的外貌，并将每个数字裁剪出来，生存为模板。
  

1. """模板图像中数字的定位处理"""
2. # img为模板图像
3. img = cv2.imread(args['template'])
4. cv_show('img',img)
5. # 灰度图
6. ref = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
7. cv_show('ref',ref)
8. # 二值化
9. ref = cv2.threshold(ref,10,255,cv2.THRESH_BINARY_INV)[1]
10. cv_show('ref',ref)
11. # 轮廓
12. refCnts = cv2.findContours(ref.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[1]
13. cv2.drawContours(img,refCnts,-1,(0,0,255),2)
14. cv_show('img',img)
15. # 对轮廓进行从左到右排序
16. refCnts = myutils.sort_contours(refCnts,method="left-to-right")[0]
17. digits = {}
18. # 获取每个数字的信息
19. for (i,c) in enumerate(refCnts):
20.     (x,y,w,h) = cv2.boundingRect(c)
21.     roi = ref[y:y+h,x:x+w]
22.     roi = cv2.resize(roi,(57,88))
23.     digits[i] = roi
24.     cv_show('roi',roi)
25. print(len(digits))

复制代码

 
4、名誉卡图像处理处罚

• 读取名誉卡图像。
  
• 对名誉卡图像进行灰度化、顶帽使用（去除背景）、闭使用（将数字连在一起）、自顺应二值化等处理处罚。
  
• 使用外貌检测找到名誉卡上的数字地区。
  

1. """信用卡的图像处理"""
2. image = cv2.imread(args['image'])
3. cv_show('image',image)
4. # 变换图片大小
5. image = myutils.resize(image,width=300)
6. gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
7. cv_show('gray',gray)
8. # 设置核
9. rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT,(9,3))
10. sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
11. # 顶帽
12. tophat = cv2.morphologyEx(gray,cv2.MORPH_TOPHAT,rectKernel)
13. # 开运算
14. open = cv2.morphologyEx(gray,cv2.MORPH_OPEN,rectKernel)
15. cv_show('open',open)
16. cv_show('tophat',tophat)
18. # 找数字边框
19. # 闭操作，将数字连在一起
20. closeX = cv2.morphologyEx(tophat,cv2.MORPH_CLOSE,rectKernel)
21. cv_show('closeX',closeX)
23. # 自适应二值化
24. thresh = cv2.threshold(closeX,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
25. cv_show('thresh',thresh)
27. # 闭操作
28. thresh = cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,sqKernel)
29. cv_show('thresh1',thresh)
31. # 计算轮廓
32. threshCnts = cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[1]
33. cnts = threshCnts
34. cur_img = image.copy()
35. cv2.drawContours(cur_img,cnts,-1,(0,0,255),3)
36. cv_show('img',cur_img)
38. # 遍历轮廓，找到数字部分
39. locs = [] # 存放每组数字的x,y,w,h
40. for (i,c) in enumerate(cnts):
41.     (x,y,w,h) = cv2.boundingRect(c)
42.     ar = w/float(h)
43.     if 2.5 < ar < 4.0:
44.         if (40 < w < 55) and (10 < h < 20):
45.             locs.append((x,y,w,h))
46. locs = sorted(locs,key=lambda x: x[0])

复制代码

 

 
5、模板匹配 

• 将名誉卡图像中的每个数字地区与模板中的数字进行匹配，找到最相似的数字。
  
• 根据匹配效果识别名誉卡号码。
  

1. output = []
2. # 遍历每一组数字
3. for (i,(gx,gy,gw,gh)) in enumerate(locs):
4.     groupOutput = []
5.     group = gray[gy-5:gy+gh+5,gx-5:gx+gw+5]
6.     cv_show('group',group)
7.     group = cv2.threshold(group,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
8.     cv_show("group",group)
9.     # 寻找每组数字的轮廓并根据顺序放入digitCnts
10.     digitCnts = cv2.findContours(group.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[1]
11.     digitCnts = myutils.sort_contours(digitCnts)[0]
13.     for c in digitCnts:
14.         (x,y,w,h) = cv2.boundingRect(c)
15.         roi = group[y:y+h,x:x+w]
16.         roi = cv2.resize(roi,(57,88))
17.         cv_show('roi',roi)
19.         """模板匹配，计算得分"""
20.         scores = []
21.         # 在模板中计算每一个得分
22.         for (digit,digitROI) in digits.items():
23.             # 模板匹配
24.             result = cv2.matchTemplate(roi,digitROI,cv2.TM_CCOEFF)
25.             # minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(src, mask=None)
26.             score = cv2.minMaxLoc(result)[1]
27.             scores.append(score)
28.         # 得到匹配分数最大值的索引
29.         groupOutput.append(str(np.argmax(scores)))
30.     cv2.rectangle(image,(gx-5,gy-5),(gx+gw+5,gy+gh+5),(0,0,255),1)
31.     cv2.putText(image,"".join(groupOutput),(gx,gy-15),cv2.FONT_HERSHEY_SIMPLEX,0.65,(0,255,0),2)
32.     output.extend(groupOutput)
34. # 打印结果
35. print("信用卡类型:{}".format(FIRST_NUMBER[output[0]]))
36. print("信用卡号码:{}".format("".join(output)))
37. cv_show("Image",image)

复制代码

 

 
 
四、总结

这个项目通过图像处理处罚和模板匹配技能，实现了名誉卡号码的自动识别。它展示了如何结合 OpenCV 和 Python 实现一个实用的图像处理处罚应用。
 

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。