OpenCV-Android平台应用实战 - 银行卡卡号识别（05、寻找与发现银行卡区域）

思路

建议：为了更好的发现梯度之间的差异，尽量在 RGB色彩空间寻找梯度。然后对RGB空间寻找到的梯度，可以取RGB三个通道中最大值的梯度差，作为那一个像素点的梯度。同时，也可以直接用求取出来的梯度图像进行灰度化，再进行梯度二值化。（简而言之：先在RGB空间求梯度，然后灰度化，然后二值化）
对比：为什么不先转灰度，再求梯度呢？
理由：先求梯度，可以最大限度的保留各个通道值间的差异。更能反映出图像本来梯度的分布。若先转灰度，则在变成灰度图像的过程中OpenCV默认采取的算法会基于一个权重的考虑（一般对绿色比较敏感，也就是说对红色或者绿色权重不一样）。这样也就是说 权重和梯度稍微有一定的差异。这些细微的差异可能对后面的 轮廓发现、过滤 等操作造成影响。

• 第一步：图像梯度（色差）求取
  用Scharr算子求取梯度（建议用Scharr算子，而不是Sobel算子。原因：Scharr算子对边缘提取效果比Sobel算子强。且Sobel算子容易受到一些其他的外来因素干扰。详细可以参考 OpenCV-图像处理（17、Sobel算子））

• 第二步：梯度二值化（相关知识点，可以参考：OpenCV-图像处理（14、基本阈值操作））

• 第三步：轮廓发现与过滤（相关知识点，可以参考：OpenCV-图像处理（28、轮廓发现(find contour in your image)））
  轮廓发现与面积大小过滤：findContours 。在此之前需要对图像进行开操作，目的：减少轮廓发现的计算量。更快的发现面积。

程序构成

• 一般程序设计符合 MVC 开发框架。除了上次创建的两个Activity 以外，现将识别算法放入一个新的Java文件中去（app->右击 新建一个Package和Java类TextImageProcessor，然后在类中写我们的识别算法）
  

代码实现

• TextImageProcessor 类中的代码

public class TextImageProcessor {
   
    private String TAG = "OCR-Algorithm";




    // 寻找和发现银行卡区域
    public Mat findCard(Uri fileUri){
   
        // 读取BGR色彩空间的图像
        Mat src = Imgcodecs.imread(fileUri.getPath());
        if(src.empty()) {
   
            return null;
        }
        // 求取梯度
        Mat grad_x = new Mat();//X方向的梯度
        Mat grad_y = new Mat();//Y方向的梯度
        Mat abs_grad_x = new Mat();//梯度求出来的值可能是负值也可能会超出255，导致溢出。
        Mat abs_grad_y = new Mat();

        Imgproc.Scharr(src, grad_x, CvType.CV_32F, 1, 0);//求取梯度
        Imgproc.Scharr(src, grad_y, CvType.CV_32F, 0, 1);
        Core.convertScaleAbs(grad_x, abs_grad_x);//求绝对值
        Core.convertScaleAbs(grad_y, abs_grad_y);
        grad_x.release();//释放内存，珍惜内存
        grad_y.release();

        Mat grad = new Mat();//合成整体梯度图像
        Core.addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, grad);
        abs_grad_x.release();//释放内存
        abs_grad_y.release();
        //return grad;

        // 二值化图像
        Mat binary = new Mat();
        Imgproc.cvtColor(grad, binary, Imgproc.COLOR_BGR2GRAY);//灰度化
        //Imgproc.threshold(binary, binary, 40, 255, Imgproc.THRESH_OTSU | 1);//传参设置阈值类型
        Imgproc.threshold(binary, binary, 40, 255, Imgproc.THRESH_BINARY);//二值化，40是一个经验值
        grad.release();
        //return binary;//将二值化的图像返回，查看过程图像

        Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(3, 3));//定义算子
        Imgproc.morphologyEx(binary, binary, Imgproc.MORPH_OPEN, kernel);//形态学 开操作

        List<MatOfPoint> contours = new ArrayList<>();// 每个轮廓都有N多个点组成
        Mat hireachy = new Mat();
        // 寻找轮廓
        Imgproc.findContours(binary, contours, hireachy, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE, new Point(0, 0));
        int hw = binary.cols()/2;
        int hh = binary.rows()/2;
        Rect roi = new Rect();
        for(int i=0; i<contours.size(); i++) {
   //循环裁剪图片，直至图片剩余度主要是待识别区域
            Rect rect = Imgproc.boundingRect(contours.get(i));
            if(rect.width > hw) {
   
                roi.x <