信用卡数字识别 opencv python 实现 形态学操作、轮廓提取，模板匹配

基于python和opencv实现信用卡数字识别

本项目和源码来源于唐宇迪opencv项目实战

1.准备工作

• python3.5
• opencv4.2
• 同一字体，相似类型的信用卡图片
• 字体模板图片

2.本项目总体可分为两部分：

• 对模板图像的处理
• 对信用卡图像的处理

3.应用到的数字图像处理基础知识

• 图像灰度处理
• 图像二值化处理
• 检测轮廓，画出轮廓
• 画图形的外接矩形
• 图像的形态学操作

4.先放代码， 我把每一步生成的图片都显示出来，以便观察每一步操作所起的作用

# 导入工具包
from imutils import contours
import numpy as np
import argparse
import cv2
import myutils


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

# 指定信用卡类型
FIRST_NUMBER = {
   
    "3": "American Express",
    "4": "Visa",
	"5": "MasterCard",
	"6": "Discover Card"
}
# 参数为读取的图像image和模板图像template
template = cv2.imread(args["template"])
# 将模板转化为灰度图
template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
# 将模板转化为二值图像
# threshold函数应该返回两个值，第二个值为输出图像，所以有[1]
# threshold操作，超过thresh的部分取最大值，否则取零，然后再对图像进行反转
template_thresh = cv2.threshold(template_gray, 10, 255, cv2.THRESH_BINARY_INV)[1]


# 计算轮廓，findcontours()函数只接受二值图像作为参数
refCnts, hierarchy = cv2.findContours(template_thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
template_c = template.copy()
# 参数resCnts表示存储在列表中的提取到的所有轮廓，参数-1表示默认画出所有轮廓
template_draw = cv2.drawContours(template_c, refCnts, -1, (255, 170, 0), 3)
print('refCnts', np.array(refCnts).shape)
# 轮廓的排序方式，从左到右，从上到下
# 对轮廓进行排序， 为了将轮廓和对应的数字匹配，即在图像中与数字的模板匹配则显示对应的数字结果
# 根据外接矩形返回的值，比较横坐标大小，对轮廓进行排序
refCnts = myutils.sort_contours(refCnts, method="left-to-right")[0]
# 新建一个空字典
digits = {
   }
# 用循环遍历每一个轮廓
# 此时轮廓的列表中内容已排序完成，
# i表示下标，c表示i对应数值的模板的图像
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)
    # 用外接矩形当做每一个数字的模板
    # 利用外接矩形返回的值制作出每一个数字的模板
    roi = template_thresh[y:y + h, x:x + w]
    roi = cv2.resize(roi, (57, 88))
    # 每个数字对应一个模板
    digits[i] = roi
    cv2.imshow("roi", roi)
    cv2.waitKey(100)

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

#读取输入的图像进行预处理，进行一系列形态学操作
image = cv2.imread(args["image"])
image_resize = myutils