信用卡数字识别

信用卡数字识别

项目简介

本项目通过实现B站中的项目实践【信用卡数字识别】，对其中的步骤进行分析，记录自己学习的过程。

主要思想

对于模板图像和识别图像进行预处理，再通过轮廓检测对其中感兴趣的区域进行拆分，把拆分出来的数字与模板进行匹配，最后得到识别出的数字。

基本步骤

1.模块导入

from imutils 
import contours
import numpy as np
import argparse
import cv2
import myutils

2.参数设置

argparse是一个Python模块：命令行选项、参数和子命令解析器

# 设置参数
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 Expr   ess",
	"4": "Visa",
	"5": "MasterCard",
	"6": "Discover Card"
}

# 绘图展示
def cv_show(name,img):
	cv2.imshow(name, img)
	cv2.waitKey(0)
	cv2.destroyAllWindows()

3.模板图像与输入图像处理

模板图像

预处理

# 读取一个模板图像
img = cv2.imread(args["template"])
cv_show('img',img)
# 灰度图
ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv_show('ref',ref)
# 二值图像,大于10的为255（即白色），否则为黑色
#  cv2.threshold的返回值有两个，一个是retVal（得到的阈值值），第二个就是阈值化后的图像。
ref = cv2.threshold(ref, 10, 255, cv2.THRESH_BINARY_INV)[1]
cv_show('ref',ref)

结果

读入图像

二值化处理

阈值处理

轮廓检测

refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

cv2.drawContours(img,refCnts,-