OpenCV之K近邻算法（信用卡数字识别）

---

前言

案例 Fu Xianjun. All Rights Reserved.
随着当今世界的发展，计算机视觉技术的应用越来越广泛。伴随着硬件设备的不断升级，构造复杂的计算机视觉应用变得越来越容易了。OpenCV像是一个黑盒，让我们专注于视觉应用的开发，而不必过多的关注基础图象处理的具体细节。

一、K近邻算法是什么？

K近邻算法的本质是将指定对象根据已知特征值分类。
机器学习算法是从数据中产生模型，我们把经验提供给算法，他就能够根据经验产生模型，在训练过程中所使用的数据称为训练数据，其中的每个样本称为训练样本，集合称为训练集合。

二、使用步骤：

原图展示：

1.引入库

import cv2
import numpy as np

2.读入数据

def sort_contours(cnts, method = "left-to-right"):
# 定义一个函数，对轮廓进行排序，从左到右
    reverse = False
    i = 0
    if method == "left-to-right" or method == "bottom-to-top":
        #底部到顶部
        reverse = True
    if method == "top-to-bottom" or method == "bottom-to-top":
        i = 1
    boundingBoxes = [cv2.boundingRect(cnt) for cnt in cnts]
    (cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),\
                                       key = lambda b: b[1][i],\
                                        reverse = reverse))
    return cnts,boundingBoxes# 打包
def cv_show(name,img):# 定义一个函数
    cv2.imshow(name,img) # 显示图像
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    
template = cv2.imread("ocr_a_reference.png")# 读取模板
# cv_show("template",template)
template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
# 色彩空间转换，转换为灰度图
# cv_show("template_gray",template_gray)
ret, template_binary = cv2.threshold(template_gray,127,255,1)
# 二值化
cv_show("template_binary",template_binary)

3.操作步骤

cnts, he = cv2.findContours(template_binary, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
# 查找外轮廓
template_rect = cv2.drawContours(template, cnts, -1,(0,0,255),2)
# 绘制轮廓
# cv_show("template_rect",template_rect)
cnts = sort_contours(cnts)[0]
number = {}

for (i,cnt) in enumerate(cnts):
    (x,y,w,h) = cv2.boundingRect(cnt)
    roi = template_rect[y:y+h, x:x+w]
    roi = cv2.resize(roi, (57,88))
    number[i] = roi
   
cv_show(f"number1",number[3])

4.显示结果

cardImg = cv2.imread('credit_card_01.png')
cardImg = cv2.resize(cardImg, \
                    (300, int(float(300) / cardImg.shape[1]*cardImg.shape[0])),\
                    interpolation=cv2.INTER_AREA)
# cv_show('cardImg',cardImg)

cardImg_gray = cv2.cvtColor(cardImg, cv2.COLOR_BGR2GRAY)
cv_show('cardImg_gray', cardImg_gray)

rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT,(7,7))
sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT,(3,3))

cardImg_tophat = cv2.morphologyEx(cardImg_gray, cv2.MORPH_TOPHAT, rectKernel)
cv_show('cardImg_tophat',cardImg_tophat)

5.结果展示

三、总结

这里对文章进行总结：
以上就是今天要讲的内容，本文仅仅简单介绍了OpenCV的K近邻算法的使用，而数字图像处理提供了大量能使我们快速便捷地处理数据的函数和方法。