欧洲一区二区三区精品,日韩欧美视频第二区,国产精品一区一区

主頁 > 知識庫 > Python OpenCV招商銀行信用卡卡號識別的方法

Python OpenCV招商銀行信用卡卡號識別的方法

學在前面

從本篇博客起，我們將實際完成幾個小案例，第一個就是銀行卡號識別，預計本案例將寫 5 篇左右的博客才可以完成，一起加油吧。

本文的目標是最終獲取一套招商銀行卡，0~9 數字的圖，對于下圖的數字，我們需要提取出來，便于后續模板匹配使用。不過下圖中找到的數字不完整，需要找到盡量多的卡片，然后補齊這些數字。

提取卡片相關數字

先對上文中卡片中的數字進行相關提取操作，加載圖片的灰度圖，獲取目標區域。在畫板中模擬一下坐標區域，為了便于進行后續的操作。

具體代碼如下：

import cv2 as cv
import numpy as np
# 讀取灰度圖
src = cv.imread("./ka1.jpg", 0)

# 尋找卡號目標區域
roi = src[142:168, 42:360]
# cv.imshow("roi",roi)

獲取到的圖片如下，發現右側邊緣缺少一部分內容，對目標區域坐標進行微調。

修改之后的代碼如下，你如果使用的圖片與橡皮擦不一致，注意進行修改。

# 尋找卡號目標區域
roi = src[142:168, 46:364]
cv.imshow("roi",roi)

消除噪音，可以增加模糊卷積操作，分別測試均值模糊，中值模糊，高斯模糊效果。

# 模糊卷積操作
blur_roi = cv.blur(roi,(5,5))
cv.imshow("blur_roi",blur_roi)

med_roi = cv.medianBlur(roi,5)
cv.imshow("med_roi",med_roi)

gau_roi = cv.GaussianBlur(roi,(7,7),0)
cv.imshow("gau_roi",gau_roi)

測試不同的卷積核效果，選擇一個合適的即可，我這里發現卷積核為 (7,7) 的時候，高斯模糊效果不錯，可以去噪。

接下來進行二值化操作。

# 對目標區域進行二值化操作
ret, thresh = cv.threshold(
  gau_roi, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
cv.imshow("thresh", thresh)

二值化處理完畢之后，發現還存在一些白色區域的點，需要去除掉，這里使用了形態學里面的腐蝕操作。

# 腐蝕
kernel = np.ones((3, 4), np.uint8)
dst = cv.erode(thresh, kernel=kernel)

腐蝕之后在進行膨脹，讓原有的數字區域變的明顯，最后的圖片是進行之后的效果，關于卷積核你可以自行調整。

# 腐蝕
kernel = np.ones((3, 4), np.uint8)
erode_dst = cv.erode(thresh, kernel=kernel)
cv.imshow("erode_dst", erode_dst)
# 膨脹
kernel = np.ones((4, 4), np.uint8)
dilate_dst = cv.dilate(erode_dst, kernel=kernel)

下面進行外輪廓檢測，檢測之后發現恰好有 16 個輪廓，也就對應了 16 個數字區域。

# 檢測外輪廓
# 只檢測外輪廓
contours, hierarchy = cv.findContours(dilate_dst, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

print(len(contours))

對輪廓面積進行一下輸出，為了防止出現非目標區域，可以進行一下基本的判斷，當羅闊面積大于 80 的時候才進行展示。

target_list = []
# 輪廓判斷
for cnt in contours:

  # 輪廓面積
  area = cv.contourArea(cnt)
  print(area)
  if area > 79:
    target_list.append(cnt)

print(len(target_list))

有這些參數之后，就可以對灰度圖進行裁切了，基于外接矩形獲取目標區域，我直接做了循環展示。

for index, cnt in enumerate(target_list):
  # 外接矩形
  x, y, w, h = cv.boundingRect(cnt)
  # 在二值化的圖像上進行目標區域獲取
  c_roi = roi[y:y+h, x:x+w]
  # 調整圖像大小
  # big_roi = cv.resize(c_roi, dsize=(0, 0), fx=2, fy=2)
  # big_roi = cv.resize(c_roi, dsize=(0, 0))
  cv.imshow("big_roi"+str(index), c_roi)
  # cv.imwrite(f"./numbers/ka_{index}.png", big_roi)

接下來放大圖片對其進行保存即可，得到如下圖片列表，至此，已經獲取到 1、4、6、8 幾個數字，下面在切換到另一張卡片，去獲取其他數字即可，注意圖片大小保持一致。

big_roi = cv.resize(c_roi, dsize=(42, 66))
# cv.imshow("c_roi"+str(index), c_roi)
cv.imwrite(f"./numbers/ka1_{index}.png", big_roi)

新的圖像注意調整目標區域，獲取素材，已經獲取到 1、2、4、5、6、7、8 幾個數字

反復迭代這個辦法，知道 0~9 個數字獲取完整，找到所有數字之后，對該文件夾中的所有文件進行二值化操作。

import cv2 as cv
import os

def walk_file(file):
  for root, dirs, files in os.walk(file):
    for f in files:
      file = os.path.join(root, f)
      # 讀取灰度圖
      basename = os.path.basename(file)
      filename = basename.split(".")[0]
      src = cv.imread(file, 0)
      ret, thresh = cv.threshold(src, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
      # cv.imshow("thresh", thresh)
      cv.imwrite(f"./numbers/001_{filename}_bit.png", thresh)
      cv.waitKey()
      cv.destroyAllWindows()

if __name__ == "__main__":
  walk_file("./numbers")

二值化之后，挑選出比較清晰的數字即可，如果發現存在不清楚的，可以在尋找資源進行提取，銀行里面 8 真的是太多了。