OpenCV---xx1(信用卡卡号识别项目实战)-CSDN博客

本文链接：https://blog.csdn.net/m0_59777070/article/details/133011053

信用卡卡号识别项目实战

本项目通过模板匹配的方式来对一张信用卡的卡号进行识别读取并在
原图中相应位置展示出来

原理分析

1 对模板进行分割排序和标签标定
2 信用卡进行一系列处理后 得到相应位置的数字 
3 将数字和模板进行 模板匹配 取最大值作为结果返还
4 将数字在相对位置画出

代码详解

import cv2 as cv



# 该函数将数字圈出并输出相应的数字
def draw_num(img, num, x, y, w, h):
	cv.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 1, 8)
	cv.putText(img, str(num), (x, y), cv.FONT_HERSHEY_SIMPLEX, 0.65, (0, 255 ,0), 2)

	return img


# 模板的轮廓是无序的 该函数来对模板进行排序 x最小的为1  并返回排序后的轮廓的x,y,w,h
def sort_num(contours):
	rect_num = [(cv.boundingRect(i), i) for i in contours]

	sort_temp = sorted(rect_num, key=lambda x: x[0][0])

	sort_num = [i[0] for i in sort_temp]

	return sort_num


if __name__ == '__main__':
	img_temp = cv.imread(r'.\use_img\img_3.png')
	pre_img = cv.imread(r".\use_img\img.png")

	# 模板图像灰度化
	img_gray = cv.cvtColor(img_temp, cv.COLOR_BGR2GRAY)
	cv.imshow('img_gray', img_gray)
	# 模板图像二值化
	_, img_bin = cv.threshold(img_gray, 10, 255, cv.THRESH_BINARY_INV)
	cv.imshow('img_temp', img_bin)
	# 拿到模板的各个数字的轮廓
	contours, hierarchy = cv.findContours(img_bin, 0, 2)
	# 画出来看一下
	# cv.drawContours(img_temp, contours, -1, (0, 0, 255), 2, 8)
	# cv.imshow('img_contours', img_temp)

	# print(contours)
	对轮廓进行排序 并返回排序好的轮廓
	contours_sort = sort_num(contours)
	# print(contours_sort)
	对轮廓用字典进行标定其代表的数字 并且重置大小
	num_dict = {contours_sort.index(i) + 1: cv.resize(img_bin[i[1]:i[1] + i[3], i[0]:i[0] + i[2]], (50, 100)) for i in
				contours_sort}
	zero_coord = contours_sort[-1]
	num_dict[0] = cv.resize(
		img_bin[zero_coord[1]:zero_coord[1] + zero_coord[3], zero_coord[0]:zero_coord[0] + zero_coord[2]], (50, 100))



	# 图像处理  创建卷积核并且转换为灰度后高斯滤波
	rect_kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 12))
	pre_gray = cv.cvtColor(pre_img, cv.COLOR_BGR2GRAY)
	pre_gray = cv.GaussianBlur(pre_gray, (5, 5), 20)
	cv.imshow('gray', pre_gray)
	# 顶帽操作 突出更明亮的区域
	pre_tophat = cv.morphologyEx(pre_gray, cv.MORPH_TOPHAT, rect_kernel)
	cv.imshow('pre_tophat', pre_tophat)

	# 边缘检测 拿到图像

	pre_canny = cv.Canny(pre_tophat, 15, 200, apertureSize=3)
	pre_canny = cv.convertScaleAbs(pre_canny)
	cv.imshow('tes1', pre_canny)

	# print(pre_canny)
	# 闭运算 
	close_kernel = cv.getStructuringElement(cv.MORPH_RECT, (55, 15))
	pre_close = cv.morphologyEx(pre_canny, cv.MORPH_CLOSE, close_kernel)
	cv.imshow('tes2', pre_close)

	# 找轮廓
	contours2, hierarchy2 = cv.findContours(pre_close, 0, 2)

	cv.imshow('cont_in_pre_img',cv.drawContours(pre_img.copy(), contours2, -1, (255, 0, 0), 5, 8))

	conts = []

	res_coor = []

	# 将符合待检测的轮廓添加到列表
	for i in contours2:
		x, y, w, h = cv.boundingRect(i)

		if 350 < y < 400:
			conts.append((x, y, w, h))

	# 拿到大块轮廓
	for i in conts:
		x, y, w, h = i
		test_img = pre_gray[y - 5:y + h + 5, x - 5:x + w + 5]

		# 大块轮廓二值化
		_, test_img_bin = cv.threshold(test_img, 200, 255, cv.THRESH_BINARY)
		conts_num, hierarchy3 = cv.findContours(test_img_bin, 0, 2)

		# 拿到大轮廓里的小轮廓 一个个数字
		for j in conts_num:
			# 这个是在大轮廓的坐标 不是在pre_img的坐标
			x1, y1, w1, h1 = cv.boundingRect(j)

			be_test = cv.resize(test_img_bin[y1:y1 + h1, x1:x1 + w1], (50, 100))

			score_temp = 0

			# 匹配并存储结果
			res = None
			for z in num_dict:
				score = cv.matchTemplate(be_test, num_dict[z], cv.TM_CCOEFF)
				if score > score_temp:
					res = z
					score_temp = score

			res_coor.append((res, (x + x1, y, w1, h1)))

	# 将结果和位置画在pre_img
	img = pre_img.copy()
	for i in res_coor:
		img = draw_num(img, i[0], *i[1])

	cv.imshow('res', img)
cv.waitKey(0)
cv.destroyAllWindows()