信用卡数字识别
文章目录
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,-