opencv 项目-信用卡识别(学习记录)

创建eclipse的IDE

1、根据唐宇迪视频下载 eclipse的ide，并进行环境配置和预处理。

(1) 首先下载eclipse   登陆网址Enabling Open Innovation & Collaboration | The Eclipse Foundation

 点击左上角down,   直接点击download x86_64后，点击箭头所指(选择这个国内镜像,下载速度会快)

 下载之后是一个exe的程序包；(将这个程序包放在提前建好的E盘的java文件夹中,刚下载要解压,任意途径解压就好)。这是eclipse软件安装完成，但是必须与java语言环境兼容，所以要下载Java
我们知道 eclipse是由Java语言写成的，故而，我们需要下载兼容Java语言环境的JRE(jdk文件)

    (不知道这里理解是否正确)

(2)  JRE的下载

 先去官网下载:www.oracle.com

下载对x64下载到有eclipse的目录文件里,下载之后进行环境配置.

环境配置: 我的电脑>属性>高级设置>环境变量，这是出现的窗口上上下两栏，在上栏中选中path,点击编辑后，

但最终还是选用pycharm的IDE更加方便.

使用pycharm进行项目

完整代码:

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

# 设置参数
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,
                help="path to input image")  # 路径
ap.add_argument("-t", "--template", required=True,
                help="path to template OCR-A image")  # 模板
args = vars(ap.parse_args())

# 指定信用卡类型
FIRST_NUMBER = {
                   "3": "American Express",
                   "4": "Visa",
                   "5": "MasterCard",
                   "6": "Discover Card"
}

# 绘图展示
def cv_show(name, img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

#读取一个模板图像
img = cv2.imread('E:/anaconda/picture/ocr_a_reference.png')
cv_show('img', img)

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

# 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），cv2.RETR_EXTERNAL只检测外轮廓，cv2.CHAIN_APPROX_SIMPLE只保留终点坐标
# 返回的list中每个元素都是图像中的一个轮廓

refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
#以上这里删除了最前面的ref,因为我现在安装最新版本的opencv,有些功能不能用,只能是两个参数.

cv2.drawContours(img, refCnts, -1, (0, 0, 255), 3)  # -1表示画所有轮廓
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))

    # 每一个数字对应一个模板
    digits[i] = roi

# 初始化卷积核
rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3))
sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))

# 读取输入图像，预处理
image = cv2.imread(args["image"])
cv_show('image', image)
image = myutils.resize(image, width=300)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv_show('gray', gray)

# 礼帽操作，突出更明亮的区域
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)
cv_show('tophat', tophat)

gradX = cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=1, dy=0, ksize=-1)  # ksize=-1相当于用3*3的

gradX = np.absolute(gradX)  # 这里只用X比用x,y好
(minVal, maxVal) = (np.min(gradX), np.max(gradX))
gradX = (255 * ((gradX - minVal) / (maxVal - minVal)))
gradX = gradX.astype("uint8")

print(np.array(gradX).shape)
cv_show('gradX', gradX)

# 通过闭操作（先膨胀，再腐蚀）将数字连在一起
gradX = cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel)
cv_show('gradX', gradX)
# THRESH_OTSU会自动寻找合适的阈值，适合双峰，需要把阈值参数设为0
thresh = cv2.threshold(gradX, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
cv_show('thresh', thresh)

# 再来一个闭操作

thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel)  # 再来一个闭操作
cv_show('thresh', thresh)

# 计算轮廓
thresh_, threshCnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

cnts = threshCnts
cur_img = image.copy()
cv2.drawContours(cur_img, cnts, -1, (0, 0, 255), 3)
cv_show('img', cur_img)
locs = []

# 遍历轮廓
for (i, c) in enumerate(cnts):
    # 计算矩形
    (x, y, w, h) = cv2.boundingRect(c)
    ar = w / float(h)

    # 选择合适的区域，根据实际任务来，这里的基本都是四个数字一组
    if ar > 2.5 and ar < 4.0:
        if (w > 40 and w < 55) and (h > 10 and h < 20):
            # 符合的留下来
            locs.append((x, y, w, h))
# 将符合的轮廓从左到右排序
locs = sorted(locs, key=lambda x: x[0])
output = []

# 遍历每一个轮廓中的数字
for (i, (gX, gY, gW, gH)) in enumerate(locs):
    # initialize the list of group digits
    groupOutput = []

    # 根据坐标提取每一个组
    group = gray[gY - 5:gY + gH + 5, gX - 5:gX + gW + 5]  # 将坐标向外扩一点点，别贴死
    cv_show('group', group)
    # 预处理
    group = cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
    cv_show('group', group)
    # 计算每一组的轮廓
    group_, digitCnts, hierarchy = cv2.findaContours(group.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    digitCnts = contours.sort_contours(digitCnts, method="left-to-right")[0]

    # 计算每一组中的每一个数值
    for c in digitCnts:
        # 找到当前数值的轮廓，resize成合适的大小
        (x, y, w, h) = cv2.boundingRect(c)
        roi = group[y:y + h, x:x + w]
        roi = cv2.resize(roi, (57, 88))
        cv_show('roi', roi)

        # 计算匹配得分
        scores = []

        # 在模板中计算每一个得分
        for (digit, digitROI) in digits.items():
            # 模板匹配
            result = cv2.matchTemplate(roi, digitROI, cv2.TM_CCOEFF)
            (_, score, _, _) = cv2.minMaxLoc(result)
            scores.append(score)

        # 得到最合适的数字
        groupOutput.append(str(np.argmax(scores)))

    # 画出来
    cv2.rectangle(image, (gX - 5, gY - 5), (gX + gW + 5, gY + gH + 5), (0, 0, 255), 1)
    cv2.putText(image, "".join(groupOutput), (gX, gY - 15), cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)

    # 得到结果
    output.extend(groupOutput),

# 打印结果
print("Credit Card Type:{}".format(FIRST_NUMBER[output[0]]))
print("Credit Card #:{}".format("".join(output)))
cv2.imshow("image", image)
cv2.waitKey(0)

预处理:

#导入工具包
from imutils import contours
import numpy as np
import argparse
import imutils
import cv2
import myutils  #如果有些不能运行,有可能是没有安装这个包,win+r>cmd>pip install...即可
 
#设置参数
ap=argparse.ArumentParser()
ap.add_argument("-i","--image",required=True,
    help="path to input image")#路径
ap.add_argument("-t","--template",required=True,
    help="path to template OCR-A image")#模板
args=vars(ap.parse_args())
 
#指定信用卡类型
FIRST_NUMBER={
    "3":"American Express",
    "4":"Visa",
    "5":"MasterCard",
    "6":,"Discover Card"
}
#绘图展示
def cv_show(name,img):
    cv2.imshow(name，img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

其中在设置参数环节时要注意进行编辑配置图片的路径:     (点击箭头所指)

 

 在形参一栏输入所要识别的图像和匹配模板的路径(图像存在哪里的路径复制过来就行,在路径前加-i/--image、-t/--template即可

读取图像

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

结果为:

但是在运行过程中也遇到问题:

(1)错误一:

 最终找到问题:cv2.imread（"这里面填具体路径"）,'template'处应该是他具体路径.

(2)错误2:

#原本的代码
ref,refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

#我的电脑opencv版本限制后
refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

因为安装anaconda中的Python版本时3.10版,则opencv只能安装最新4.几,这样一来新的opencv有一些功能不能用了,导致代码无法运行.最后我决定重新下载python3.10版本的anaconda.重新安装python3.6版本的anaconda.后在进行项目操作.

卸载anaconda3,重新安装

Anaconda完全eWindows10系统）_干饭人小周26的博客-CSDN博客_anaconda卸载

按照这个博客的方法来彻底卸载.