基于OpenCV的银行卡号识别系统实现（二）----- 模板图像的处理+代码实现

一、前言

上一篇文章总结了银行卡号识别的大概步骤，这篇文章着重介绍模板匹配法，以及如何处理模板的详细步骤及代码实现。

• 模板图像

• 详细步骤

二、算法流程

三、代码实现

• 项目目录
  

• 首先，导入相关包

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

• 添加运行参数

'''
	template：表示模板
	image：表示输入图像
'''
# 创建ArgumentParser()对象
ap = argparse.ArgumentParser()
# 添加参数
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")
# 解析参数，并将其转换为Python的字典类型
args = vars(ap.parse_args())

• 读取并处理模板图像

# 读取一个模板图像
img = cv2.imread(args["template"])
cv_show('img',img)

# 转为灰度图
ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv_show('ref',ref)

# 转为二值图像
ref = cv2.threshold(ref, 10, 255, cv2.THRESH_BINARY_INV)[1]
cv_show('ref',ref)

'''
 	计算轮廓
	cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度图）,
	@:param cv2.RETR_EXTERNAL只检测外轮廓
	@:param cv2.CHAIN_APPROX_SIMPLE只保留终点坐标
	return:返回的list中每个元素都是图像中的一个轮廓

'''

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

'''
	ref_:显示返回值ref_，其实与输入参数的ref.copy()原图没啥区别
	refCnts:找到的轮廓
	hierarchy:
'''
# print('ref_:'+ref_)
# print('refCnts:'+refCnts)
# print('hierarchy:'+hierarchy)

# 画出找到的轮廓
cv2.drawContours(img, refCnts, -1, (0, 0, 255), 3)
cv_show('img', img)
print (np.array(refCnts).shape)
refCnts = myutils.sort_contours(refCnts, method="left-to-right")[0] #排序，从左到右，从上到下
digits = {}

# 遍历每一个轮廓
for (i, c) in enumerate(refCnts):
	# 计算外接矩形并且resize成合适大小
	(x, y, w, h) = cv2.boundingRect(c)
	roi = ref[y:y + h, x:x + w]
	roi = cv2.resize(roi, (57, 88))
	# 每一个数字对应每一个模板
	digits[i] = roi

四、实验结果

• 1.输入模板图像

• 2.转换为灰度图

• 3.转换为二值图

• 4.找到所有的数字外轮廓并将其画出，并将其从左至右对轮廓进行排序