Opencv项目实战：用python实现信用卡数字识别

本代码是在pycharm编辑器中完成了对指定信用卡数字的识别，参考了opencvxue视频中老师的代码以及下面的文章。

https://blog.csdn.net/weixin_41874898/article/details/99624454

该项目所需用到的图片如下：

该项目的代码如下：

注意：credit_card_01.png为信用卡图片名称

ocr_a_reference.png为数字模板图片名称

需要提前通过pip install下载所需要的模块；同时myutils模块中需要添加一部分内容，可以参考链接文章。 

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

image_name = 'credit_card_01.png'

def cv_show(name, img):
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

img = cv2.imread('ocr_a_reference.png')
cv_show('img', img)
# 转换成灰度图
ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv_show('ref', ref)
# 二值处理图像
ref = cv2.threshold(ref, 10, 255, cv2.THRESH_BINARY_INV)[1]
cv_show('ref', ref)

# 轮廓检测
# 传入的是二值图,而不是灰度图
# cv2.RETR_EXTERNAL只检测外轮廓，cv2.CHAIN_APPROX_SIMPLE只保留终点坐标
refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
cv2.drawContours(img, refCnts, -1, (0, 0, 255), 3)
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 = {}

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)
    roi1 = ref[y:y+h, x:x+w]
    roi = cv2.resize(roi1, (57, 88), cv2.INTER_LINEAR)
    # 每一个数字对应一个模板
    digits[i] = roi
print(digits)

# 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(image_name)

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

gradX = np.absolute(gradX)
(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)
# 二值化处理
thresh = cv2.threshold(gradX, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]  # cv2.THRESH_OTSU会自动寻找合适的阈值，适合双峰，需要把阈值参数设置为0
cv_show('thresh', thresh)

# 在进行闭操作，将亮区域补全
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel)
cv_show('thresh', thresh)

# 计算轮廓
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('cur_img', cur_img)
cv2.imwrite('1.jpg', cur_img)
locs = []

for (i, c) in enumerate(cnts):
    # 计算矩形
    (x, y, w, h) = cv2.boundingRect(c)
    ar = w / float(h)  # 计算长宽比，通过比率进行过滤

    # 选择合适的区域，基本都是四个数字一组
    if 2.5 < ar < 4.0:
        if (40 < w < 55) and (10 < h < 20):
            # 符合条件的留下
            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 = []

# 遍历每个轮廓中的数字
for (i, (gX, gY, gW, gH)) in enumerate(locs):
    groupOutput = []

    # 根据坐标提取每一个组
    group1 = gray[gY-5 : gY+gH+5, gX-5 : gX+gW+5]
    cv_show('group', group1)
    # 预处理
    # 二值化
    group = cv2.threshold(group1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
    cv_show('group', group)
    # 计算轮廓
    digitCnts1, hierarchy = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    digitCnts = contours.sort_contours(digitCnts1, 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)

        # 得到最适合的数字
        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
    print(groupOutput)
    output.extend(groupOutput)
    print(output)

cv2.imshow('image', image)
cv2.waitKey(0)

过程展示：（展示内容缺少单个数字识别图片，实际代码执行中会含有）

识别结果展示：