计算机视觉系列-使用模板匹配识别信用卡数字案例实战（5）

最新推荐文章于 2024-03-09 11:52:10 发布
最新推荐文章于 2024-03-09 11:52:10 发布
阅读量490 收藏 1
点赞数
分类专栏： AI内幕之NLP+盘古深度学习框架+机器学习+Alluxio 文章标签： 计算机视觉
热烈祝贺Gavin大咖2024年北京航空航天大学两本新书《Transformer&ChatGPT解密：原理、源码及案例》、《Transformer& Rasa 解密: 原理、源码及案例》出版发行
本文链接：https://blog.csdn.net/duan_zhihua/article/details/112439721
版权
本文介绍了一种使用OpenCV进行模板匹配的方法，识别银行卡图片上的数字。通过读取数字模板，转换为灰度和二值图，检测轮廓并排序，再对银行卡图片进行预处理，包括边缘检测和闭操作，最终识别并打印卡号。
摘要由CSDN通过智能技术生成

计算机视觉系列-使用模板匹配识别信用卡数字案例实战（5）

基于模板匹配方法，将要识别的银行卡图像与数字模板图片进行匹配，使用OpenCV工具识别银行卡图片的卡号，将识别的卡号在图片上进行标识。

目录

银行卡数字识别

数字图片的模板文件示例
在这里插入图片描述

使用OpenCV工具识别银行卡图片的卡号数字，运行结果示例
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

了解本专栏 订阅专栏 解锁全文 超级会员免费看
段智华
关注
专栏目录
订阅专栏
基于openCV的项目实战1：信用卡数字识别
m0_37957160的博客
11-12 3756
目的：识别信用卡卡号； 方法：基于模板匹配； 模板匹配思想：拿4和左边模板进行一一匹配，算一下平方项的差异，恰好4和左边模板中的4差异最小，所以就知道当前的数字是4； 具体步骤： 第一步：找到与你当前非常接近的一个模板； 第二步：把模板中每一个数字单独拿出来，(基于轮廓检测拿到每一个数字的外轮廓的外接矩形) 第三步：在待检测区域中做同样的事情，拿到数字的每一个外接矩形； 第四步：使用for循环对第三步中的第一个外界矩形与模板中的进行一一匹配(在匹配过程中需要进行一个resize，比如说模.
Python开发之基于模板匹配的信用卡数字识别功能
09-18
主要介绍了基于模板匹配的信用卡数字识别功能，本文给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下
基于模板匹配的信用卡数字识别
King
01-11 1676
文章目录环境介绍原理介绍模板展示完整代码结果展示 环境介绍 Python 3.6 + OpenCV 3.4.1.15 原理介绍 首先，提取出模板中每一个数字的轮廓，再对信用卡图像进行处理，提取其中的数字部分，将该部分数字与模板进行匹配，即可得到结果。 模板展示 完整代码 # ！/usr/bin/env python # —*— coding: utf-8 —*— # @Time: 2020...
opencv基于模板匹配的银行卡卡号识别项目实战
qq_44705939的博客
11-25 6268
最近在恶补opencv，在前期不太那么认真的学习状态下，着手搞了一下这个小项目实战，基于模板匹配下的银行卡卡号识别。 整体思路： 首先对于该项目而言，我们所需要考虑的是，该如何让计算机成功识别到银行卡的卡号，并正确识别出每个卡号数字所对应的数字。那么我们在这里提供一种思路，首先通过对银行卡图像进行轮廓识别，然后拿到我们需要的对应的卡号的轮廓部分，然后再在轮廓中进行进一步轮廓识别，拿到每个数字的轮廓，最后通过画出每个数字的外接矩形，然后根据事先识别好的模板的外接矩形轮廓进行模板匹配，对应就能成功识别出正确的数
python3.9.12+opencv4信用卡识别案例
12-22
【标题】：“Python3.9.12+OpenCV4信用卡识别案例”是一个结合了Python 3.9.12版本和OpenCV4库的实战项目，旨在实现信用卡的自动识别功能。信用卡识别通常涉及图像处理和机器学习技术，用于提取卡片上的关键信息，如...
[网络安全自学篇] 二十三.基于机器学习的恶意请求识别及安全领域中的机器学习
热门推荐
杨秀璋的专栏
11-01 1万+
这是作者的系列网络安全自学教程，主要是关于网安工具和实践操作的在线笔记，特分享出来与博友共勉，希望您们喜欢，一起进步。前文分享了Web渗透的第一步工作，涉及网站信息、域名信息、端口信息、敏感信息及指纹信息收集。这篇文章换个口味，将分享机器学习在安全领域的应用，并复现一个基于机器学习（逻辑回归）的恶意请求识别。
大语言模型在金融风控中的应用
最新发布
程序员光剑
03-09 502
金融风控是金融机构确保其资产安全和业务稳定的重要手段。随着金融市场的复杂性和交易量的增加，传统的风控方法已难以应对日益增长的风险。近年来，随着大数据和人工智能技术的快速发展，金融风控领域逐渐引入了新的技术手段，其中大语言模型的应用尤为引人注目。大语言模型（Large Language Models, LLMs）通过在大规模文本数据上进行预训练，具备了强大的语言理解和生成能力。这些模型不仅能够处理结构化数据，还能从非结构化文本中提取有价值的信息，从而为金融风控提供了新的解决方案。
专业的面相识别的企业|人脸识别离线SDK |人证比对API
qgq_13811680249
11-19 6901
基本上国内每家公司都会说自己的算法牛，实际上有几家有人脸核心算法呢？国内在完全从事算法研究的总工程师人数到目前（2016年）总计不到100人，不过也没有现在问题也不大，中科院计算所山世光教授已经开源了，没有基础的公司不用太辛苦从零开始在OPENCV基础上做算法升级，相信很快google微软还会有新的算法发布。现在算法基本都是98%以上，这点差距已经不重要，算法核不核心也没有太大问题。大家不用太过于...
图像处理案例一 信用卡数字识别
12-04
from imutils import contours import numpy as np import argparse import cv2 as cv import myutils def cv_show(name,img): cv.imshow(name,img) cv.waitKey(0) cv.destroyAllWindows() # 先处理template tempalte_img = cv.imread("E:/opencv/picture/ocr_a_reference.png") tempalte_gray = cv.cvtColor(tempalte_img, cv.COLOR_BGR2GRAY) tempalte_thres = cv.threshold(tempalte_gray, 0, 255, cv.THRESH_OTSU | cv.THRESH_BINARY_INV)[1] temp_a, tempalte_contours, temp_b = cv.findContours(tempalte_thres.copy (), cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE) cv.drawContours(tempalte_img, tempalte_contours, -1, (0, 255, 0), 2) tempalte_contours = contours.sort_contours(tempalte_contours, method="left-to-right")[0] digits = {} # 构建一个字典 for (i, c) in enumerate(tempalte_contours): (x, y, w, h) = cv.boundingRect(c) tempalte_roi = tempalte_thres[y:y + h, x:x + w] #之前一直检测不出正确答案，原因是这里的roi应该是tempalte_thres一部分 #而不是template_gray的一部分！ tempalte_roi = cv.resize(tempalte_roi, (57, 88)) digits[i] = tempalte_roi cv_show('template_single',tempalte_roi) #cv_show('template_single',tempalte_roi) #对银行卡进行处理,之所以要做成数字长条，是想通过长条的尺寸比例大小来将自己想要的数字给抠出来。 rectkernel = cv.getStructuringElement(cv.MORPH_RECT,(9,3)) squrkernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5)) image = cv.imread("E:/opencv/picture/credit_card_02.png") image = myutils.resize(image, width=300) image_gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY) image_tophat= cv.morphologyEx(image_gray,cv.MORPH_TOPHAT,rectkernel) image_close = cv.morphologyEx(image_tophat,cv.MORPH_CLOSE,rectkernel) cv.imshow("image_tophat",image_tophat) cv.imshow('image_close',image_close) image_thres= cv.threshold(image_close,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)[1] image_contours= cv.findContours(image_thres.copy(),cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)[1] locs = [] for(n,con) in enumerate(image_contours): (gx,
【计算机视觉】 OpenCV案例：信用卡数字识别
m0_52054107的博客
03-10 3541
文章目录前言一、案例介绍示例：![在这里插入图片描述](https://img-blog.csdnimg.cn/20210228211836441.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzUyMDU0MTA3,size_16,color_FFFFFF,t_70#pic_center)二、步骤2.读入数据总结 前言 实践是检验真理的唯
Opencv从入门到放弃---5.银行卡识别案例（OpenCV = open(开源)+ c(ctrl c)+ v(ctrl v)）
05-10 1140
别人都是信用卡识别，我这里换成银行卡识别，甚至换成身份证，其实是一个原理，找到和银行卡数字匹配的字体，修改识别数字区域的宽和高，都能识别出来，原理就是根据模板数字进行匹配 银行卡识别案例1.前期准备2.对模板图像进行预处理操作3.对信用卡进行处理 # 导入工具包 # opencv读取图片的格式为b g r # matplotlib图片的格式为 r g b import numpy as np import cv2 from imutils import contours import matplotlib.
《Opencv计算机视觉实战》笔记_8：模板匹配
qq_36379548的博客
02-28 272
模板匹配 模板匹配和卷积的原理很像，模板在原图像上从原点开始滑动，计算两者之间的差别程度，将每次计算的结果放入一个矩阵里，作为结果输出。假如原图形是AxB大小，而模板是axb大小，则输出结果的矩阵是(A-a+1)x(B-b+1) cv2.matchTemplate(image, templ, method) image：原始图像 templ：模板图像 method：公式 TM_SQDIFF：计算...
计算机视觉攻略 笔记9 （局部模板匹配）
一个有梦想，有追求，有抱负的人
08-17 442
局部模板匹配 通过特征点匹配,可以将一幅图像的点集和另一幅图像(或一批图像)的点集关联起来。如果两个点集对应着现实世界中的同一个场景元素,它们就应该是匹配的。 仅凭单个像素就判断两个关键点的相似度显然是不够的,因此要在匹配过程中考虑每个关键点周围的图像块。如果两幅图像块对应着同一个场景元素,那么它们的像素值应该会比较相似。 最常见的图像块是边长为奇数的正方形,关键点的位置就是正方形的中心。可通过比较块内像素的强度值来衡量两个正方形图像块的相似度。常见的方案是采用简单的差的平方和(Sum of Square
项目实战（一）信用卡数字识别个人学习笔记（初学超详细注释）
qq_57030255的博客
05-12 1738
初次学习项目实战——信用卡数字识别，偏向初学小白使用。
opencv联合python7——直方图和傅里叶变换，银行卡卡号检测
qq_42832272的博客
03-13 288
直方图 #None 是否有掩码 img = cv2.imread("D:/4.jpg",0) #0表示灰度图 hist = cv2.calcHist([img],[0],None,[256],[0,256]) #直方图 import numpy as np import cv2 def cv_show(name,image): cv2.imshow(name,image) cv2.wa...
opencv_银行卡识别
Leo_Adam的博客
12-26 803
银行卡图片和模板图片 银行卡 模板 import cv2 import numpy as np import myutils from imutils import contours def sort_contours(cnts, method=“left-to-right”): reverse = False i = 0 if method == "right-to-left" or ...
一、信用卡卡号识别
beyond谚语的博客
04-18 3836
一、思路分析 大体思路：首先拿到一张银行卡，我们得有银行卡号数字的0-9样式的模板，然后再通过不同数字的轮廓的外接矩形来进行匹配，最终识别出银行卡号所对应的数字。 银行卡数字模板： 银行卡信息： 拿到银行卡的时候，因为银行卡上面不仅仅只是银行卡号，还会存在一些干扰项，这时候需要对这些干扰项进行过滤，这些干扰项和数字所在的外接轮廓大小是不相同的，故可以以此进行过滤筛选。当然，一下次不会将单个数字给定位到，拿到的也不是单个数字，绝大多数的银行卡号都是四个为一组，接下来再对每一组中的四个数字进行拆分。 二、导
Python实现信用卡数字识别：模板匹配方法详解
总结来说，基于模板匹配的信用卡数字识别是一种实用的计算机视觉技术，它在Python编程环境下得到了广泛应用。通过理解其原理并结合OpenCV提供的工具，开发者能够开发出高效且准确的数字识别系统，为金融领域的自动化...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

段智华

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值