python opencv数字识别_python opencv实现信用卡的数字识别

本项目利用python以及opencv实现信用卡的数字识别

前期准备

导入工具包

定义功能函数

模板图像处理

读取模板图像 cv2.imread(img)

灰度化处理 cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

二值化 cv2.threshold()

轮廓 - 轮廓

信用卡图像处理

读取信用卡图像 cv2.imread(img)

灰度化处理 cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

礼帽处理 cv2.morphologyEx(gray,cv2.MORPH_TOPHAT,rectKernel)

Sobel边缘检测 cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=1, dy=0, ksize=-1)

闭操作 cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel)

计算轮廓 cv2.findContours

模板检测 cv2.matchTemplate(roi, digitROI,cv2.TM_CCOEFF)

原始数据展示

结果展示

1 前期准备

# 导入工具包

# opencv读取图片的格式为b g r

# matplotlib图片的格式为 r g b

import numpy as np

import cv2

from imutils import contours

import matplotlib.pyplot as plt

%matplotlib inline

# 信用卡的位置

predict_card = "images/credit_card_01.png"

# 模板的位置

template = "images/ocr_a_reference.png"

# 指定信用卡类型

FIRST_NUMBER = {

"3": "American Express",

"4": "Visa",

"5": "MasterCard",

"6": "Discover Card"

}

# 定义一些功能函数

# 对框进行排序

def sort_contours(cnts, method="left-to-right"):

reverse = False

i = 0

if method == "right-to-left" or method == "bottom-to-top":

reverse = True

if method == "top-to-bottom" or method == "bottom-to-top":

i = 1

boundingBoxes = [cv2.boundingRect(c) for c in cnts] #用一个最小的矩形，把找到的形状包起来x,y,h,w

(cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),

key=lambda b: b[1][i], reverse=reverse))

return cnts, boundingBoxes

# 调整图片尺寸大小

def resize(image, width=None, height=None, inter=cv2.INTER_AREA):

dim = None

(h, w) = image.shape[:2]

if width is None and height is None:

return image

if width is None:

r = height / float(h)

dim = (int(w * r), height)

else:

r = width / float(w)

dim = (width, int(h * r))

resized = cv2.resize(image, dim, interpolation=inter)

return resized

# 定义cv2展示函数

def cv_show(name,img):

cv2.imshow(name,img)

cv2.waitKey(0)

cv2.destroyAllWindows()

2 对模板图像进行预处理操作

读取模板图像

# 读取模板图像

img = cv2.imread(template)

cv_show("img",img)

plt.imshow(img)

模板图像转灰度图像

# 转灰度图

ref = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

cv_show("ref",ref)

plt.imshow(ref)

转为二值图像

ref = cv2.threshold(ref,10,255,cv2.THRESH_BINARY_INV)[1]

cv_show("ref",ref)

plt.imshow(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

# 在二值化后的图像中计算轮廓

refCnts,hierarchy = cv2.findContours(ref.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

# 在原图上画出轮廓

cv2.drawContours(img,refCnts,-1,(0,0,255),3)

cv_show("img",img)

plt.imshow(img)

print(np.array(refCnts).shape)

# 排序，从左到右，从上到下

refCnts = sort_contours(refCnts,method="left-to-right")[0]

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))

# 每一个数字对应每一个模板

digits[i] = roi

(10,)

3 对信用卡进行处理

初始化卷积核

rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3))

sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))

读取信用卡

image = cv2.imread(predict_card)

cv_show("image",image)

plt.imshow(image)

对图像进行预处理操作

# 先对图像进行resize操作

image = resize(image,width=300)

# 灰度化处理

gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

cv_show("gray",gray)

plt.imshow(gray)

对图像礼帽操作

礼帽 = 原始输入-开运算结果

开运算:先腐蚀，再膨胀

突出更明亮的区域

tophat = cv2.morphologyEx(gray,cv2.MORPH_TOPHAT,rectKernel)

cv_show("tophat",tophat)

plt.imshow(tophat)

用Sobel算子边缘检测

gradX = cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=1, dy=0, ksize=-1)

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)

plt.imshow(gradX)

(189, 300)

对图像闭操作

闭操作:先膨胀，再腐蚀

可以将数字连在一起

gradX = cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel)

cv_show("gradX",gradX)

plt.imshow(gradX)

#THRESH_OTSU会自动寻找合适的阈值，适合双峰，需把阈值参数设置为0

thresh = cv2.threshold(gradX, 0, 255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]

cv_show("thresh",thresh)

plt.imshow(thresh)

# 再进行一次闭操作

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

cv_show("thresh",thresh)

plt.imshow(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("img",cur_img)

plt.imshow(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 = []

模板匹配

# 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]

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

digitCnts,hierarchy = cv2.findContours(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)))

cv_show("Image",image)

plt.imshow(image)

Credit Card Type: Visa

Credit Card #: 4000123456789010

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。

本文标题: python opencv实现信用卡的数字识别

本文地址: http://www.cppcns.com/jiaoben/python/298153.html