OpenCV之身份证识别（三），PDF超过6000页,

其中T为Ostu全局阈值，Tbn由下式确定：

b由下式确定：

其中g2为图像中灰度的最大值，g1为图像中灰度的最小值，C为经验系数，通常取0.12算法在函数OstuBeresenThreshold实现，实现的效果如下所示：


五、身份证号码定位
将二值化得到的图像进行黑白反色处理，即背景为黑色，身份证号码为白色，接着对图像进行闭操作后，使用findContours检测二值图像中的白色像素块的外轮廓，将符合长宽比及面积要求的轮廓提取出来。要找到的轮廓如下所示：

要做汉字识别的话，可以在这部分将汉字区域定位并剪切出来

六、号码分割

观察到所获得的裁剪出来的身份证号码图像（已经缩放至300*20分辨率大小）如下所示：

在该图像中，显然身份证号码与背景图像颜色区分度高，故进反色后，使用Otsu方法二值化后可得

要将号码分割出来，则只需进行列分割，也即统计

其中f(x,y)为介于两个字符之间的像素，该过程由函数char_segment实现

七、特征提取

提取数字字符的特征向量，也即提取梯度分布特征+灰度分布特征+水平投影直方图+垂直投影直方图，最后每个字符得到一个1*72的特征向量，由calcGradientFeat函数实现

八、神经网络训练

所使用的训练图片均由从多张身份证图片上分割得到，之后经过特征提取，获得训练矩阵和标签矩阵保存于ann_xml.xml文件中，由函数getAnnXML实现，然后由ann_train从中读取训练矩阵和标签矩阵用于神经网络训练，opencv中实现的是多层感知器神经网络。

九、分类器分类

使用训练得的神经网络对所提取的字符特征向量进行分类，由函数classify实现。

十、校验位计算

由于最后一位有时识别率不高，可能是最后一位的分割结果不是很好，故最后1位校验位直接由前17位数字计算得，由getParityBit函数实现。

十一、结果显示

该身份证号码识别系统所处理的图像必须要求身份证区域尽可能占整幅图像更多的区域，且在纯色背景下拍摄，另外需保证拍摄得的身份证图像尽可能光照均匀，不能有高光存在。如下所示

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Android工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Android移动开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Android开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip204888 （备注Android）

总结

最后对于程序员来说，要学习的知识内容、技术有太多太多，要想不被环境淘汰就只有不断提升自己，从来都是我们去适应环境，而不是环境来适应我们！

这里附上上述的技术体系图相关的几十套腾讯、头条、阿里、美团等公司2021年的面试题，把技术点整理成了视频和PDF（实际上比预期多花了不少精力），包含知识脉络 + 诸多细节，由于篇幅有限，这里以图片的形式给大家展示一部分。

相信它会给大家带来很多收获：

当程序员容易，当一个优秀的程序员是需要不断学习的，从初级程序员到高级程序员，从初级架构师到资深架构师，或者走向管理，从技术经理到技术总监，每个阶段都需要掌握不同的能力。早早确定自己的职业方向，才能在工作和能力提升中甩开同龄人。

员，从初级架构师到资深架构师，或者走向管理，从技术经理到技术总监，每个阶段都需要掌握不同的能力。早早确定自己的职业方向，才能在工作和能力提升中甩开同龄人。

本文已被CODING开源项目：《Android学习笔记总结+移动架构视频+大厂面试真题+项目实战源码》收录