OpenCV（八）--卡号识别实战

最新推荐文章于 2024-04-20 18:32:17 发布
最新推荐文章于 2024-04-20 18:32:17 发布
阅读量298 收藏 5
点赞数 1
分类专栏： OpenCV 文章标签： opencv 计算机视觉 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43856668/article/details/130249585
版权

解决思路：轮廓检测+模板匹配

首先对数字模板进行处理

# 读取模板
img = cv2.imread('num.png')
show('img', img)

在这里插入图片描述

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

在这里插入图片描述

# 二值化处理
ref = cv2.threshold(ref, 10, 255, cv2.THRESH_BINARY_INV)[1]
show('ref', ref)

在这里插入图片描述

# 计算轮廓
# cv2.RETR_EXTERNAL只计算外轮廓，cv2.CHAIN_APPROX_SIMPLE只保留终点坐标
refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, refCnts, -1, (0, 0, 255), 2)
show('img', img)
print(np.array(refCnts).shape)

在这里插入图片描述

def sort_contours(refCnts):
    boundingBoxes = [cv2.boundingRect(c) for c in refCnts]
    (refCnts, boundingBoxes) = zip(*sorted(zip(refCnts, boundingBoxes), key=lambda b: b[1][0], reverse=False))
    return refCnts
# 对轮廓进行排序
refCnts = sort_contours(refCnts)
digits = {}
# 遍历每一个轮廓
for (i, c) in enumerate(refCnts):
    # 计算外接矩阵且resize成合适的大小
    (x, y, w, h) = cv2.boundingRect(c)
    roi = ref[y:y+h, x:x+w]
    show('roi', roi)
    roi = cv2.resize(roi, (57, 88))
    # 每个数字对应一个模板
    digits[i] = roi

在这里插入图片描述

然后对输入图像进行处理

# 读取输入图像
img = cv2.imread('card.png')
show('img', img)
img = cv2.resize(img, (300, int((300 * img.shape[0])/img.shape[1])))
show('img', img)
# 灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
show('gray', gray)

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

# 初始化卷积核
rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3))
sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
# 礼帽操作，突出更明亮的区域
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)
show('tophat', tophat)

在这里插入图片描述

# Sobel算子
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")
show('gradX', gradX)

在这里插入图片描述

# 闭操作
gradX = cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel)
show('gradX', gradX)

在这里插入图片描述

# 自适应阈值处理
thresh = cv2.threshold(gradX, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
show('thresh', thresh)

在这里插入图片描述

# 闭操作
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel)
show('thresh', thresh)

在这里插入图片描述

# 计算轮廓
threshCnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
locs = []
# 遍历轮廓
for (i, c) in enumerate(threshCnts):
    (x, y, w, h) = cv2.boundingRect(c)
    ar = w / float(h)
    if ar > 2.5 and ar < 4.0:
        if (w > 40 and w < 55) and (h >10 and h < 20):
            # roi = thresh[y:y + h, x:x + w]
            # show('roi', roi)
            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):
    gOutput = []
    group = gray[gY-5:gY+gH+5, gX-5:gX+gW+5]
    # show('group', group)
    # 对轮廓阈值处理
    group = cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
    # show('group', group)
    # 计算数字轮廓
    digitCnts, hierarchy = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    digitCnts = sort_contours(digitCnts)

    for c in digitCnts:
        (x, y, w, h) = cv2.boundingRect(c)
        roi = group[y:y + h, x:x + w]
        roi = cv2.resize(roi, (57, 88))
        # show('roi', roi)
        scores = []
        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)
        gOutput.append(str(np.argmax(scores)))  # np.argmax()返回最大的那个元素的索引

    cv2.rectangle(img, (gX-5, gY-5), (gX+gW+5, gY+gH+5), (0, 0, 255), 2)
    cv2.putText(img, "".join(gOutput), (gX, gY-15), cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)
    output.extend(gOutput)

在这里插入图片描述
在这里插入图片描述

完整代码及效果

import cv2  # opencv读取的格式是BGR
import matplotlib.pyplot as plt
import numpy as np

# 卡号识别
def show(name, img):
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
# 读取模板
img = cv2.imread('num.png')
# show('img', img)
# 灰度图
ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# show('ref', ref)
# 二值化处理
ref = cv2.threshold(ref, 10, 255, cv2.THRESH_BINARY_INV)[1]
# show('ref', ref)
# 计算轮廓
# cv2.RETR_EXTERNAL只计算外轮廓，cv2.CHAIN_APPROX_SIMPLE只保留终点坐标
refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, refCnts, -1, (0, 0, 255), 2)
# show('img', img)
# print(np.array(refCnts).shape)
def sort_contours(refCnts):
    boundingBoxes = [cv2.boundingRect(c) for c in refCnts]
    (refCnts, boundingBoxes) = zip(*sorted(zip(refCnts, boundingBoxes), key=lambda b: b[1][0], reverse=False))
    return refCnts
# 对轮廓进行排序
refCnts = sort_contours(refCnts)
digits = {}
# 遍历每一个轮廓
for (i, c) in enumerate(refCnts):
    # 计算外接矩阵且resize成合适的大小
    (x, y, w, h) = cv2.boundingRect(c)
    roi = ref[y:y+h, x:x+w]
    # show('roi', roi)
    roi = cv2.resize(roi, (57, 88))
    # 每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
img = cv2.imread('card.png')
# show('img', img)
img = cv2.resize(img, (300, int((300 * img.shape[0])/img.shape[1])))
# show('img', img)
# 灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# show('gray', gray)

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

# Sobel算子
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")
# show('gradX', gradX)

# 闭操作
gradX = cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel)
# show('gradX', gradX)

# 自适应阈值处理
thresh = cv2.threshold(gradX, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
# show('thresh', thresh)

# 闭操作
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel)
# show('thresh', thresh)

# 计算轮廓
threshCnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
locs = []
# 遍历轮廓
for (i, c) in enumerate(threshCnts):
    (x, y, w, h) = cv2.boundingRect(c)
    ar = w / float(h)
    if ar > 2.5 and ar < 4.0:
        if (w > 40 and w < 55) and (h >10 and h < 20):
            # roi = thresh[y:y + h, x:x + w]
            # show('roi', roi)
            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):
    gOutput = []
    group = gray[gY-5:gY+gH+5, gX-5:gX+gW+5]
    # show('group', group)
    # 对轮廓阈值处理
    group = cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
    # show('group', group)
    # 计算数字轮廓
    digitCnts, hierarchy = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    digitCnts = sort_contours(digitCnts)

    for c in digitCnts:
        (x, y, w, h) = cv2.boundingRect(c)
        roi = group[y:y + h, x:x + w]
        roi = cv2.resize(roi, (57, 88))
        # show('roi', roi)
        scores = []
        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)
        gOutput.append(str(np.argmax(scores)))  # np.argmax()返回最大的那个元素的索引

    cv2.rectangle(img, (gX-5, gY-5), (gX+gW+5, gY+gH+5), (0, 0, 255), 2)
    cv2.putText(img, "".join(gOutput), (gX, gY-15), cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)
    output.extend(gOutput)
# 打印结果
print("Card:{}".format("".join(output)))
show('img', img)

在这里插入图片描述

今我来思雨霏霏_JYF
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于python+opencv的南昊答题卡识别
weixin_44217089的博客
03-23 4716
南昊答题卡识别项目说明一、图片读取二、canny边缘检测三、四点变换 划出区域四、处理选择题区域1、提取选项轮廓2、判断选项五、处理准考证号区域1、提取填涂结果2、判断准考证号六、处理科目代码七、读取正确结果八、写入表格九、参考 项目说明 实验室摸鱼之余接的一个小外包项目，主要是做南昊答题卡的识别。一是识别答题区域，对于答题结果进行统计，并且做出打分；二是识别准考证号；三是识别科目代号 网上有许多现成的示例，但是答题卡类型不同只能参考，还是需要自己稍作改变的，这里记录下来，希望对大家有帮助 也是自己第一次尝
Opencv——银行卡识别系统
qq_35447572的博客
01-26 4803
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录 前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 前言 银行卡识别，是一个可以识别银行卡号的系统。主题是通过算法选出合适的区域，并将区域内的内容与已有模板进行匹配，成功后输出数值。 提示：以下是本篇文章正文内容，下面案例可供参考 一、环境配置与预处理 环境：任何一款带有debug的idle，这里以pycharm为示例 预处理：所需要重要的2各参数，匹配模板以及银
基于OpenCV的银行卡号识别系统实现（二）----- 模板图像的处理+代码实现
最新发布
2301_82242204的博客
04-20 288
import cv2‘’’template：表示模板image：表示输入图像‘’’
opencv信用卡卡号识别
m0_68142870的博客
07-01 852
信用卡识别
计算机视觉：使用opencv实现银行卡号识别
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
11-13 4317
OpenCV是Open Source Computer Vision Library（开源计算机视觉库）的简称，由Intel公司在1999年提出建立，现在由Willow Garage提供运行支持，它是一个高度开源发行的计算机视觉库，可以实现Windows、Linux、Mac等多平台的跨平台操作。opencv是一个用于图像处理、分析、机器视觉方面的开源函数库，已经成为学习计算机视觉强大的工具。在入侵检测、特定目标跟踪、目标检测、人脸检测、人脸识别、人脸跟踪等领域，opencv可谓大显身手。
python OpenCV 信用卡数字识别
乐亦亦乐的博客
07-29 6723
myutils.py import cv2 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 m...
项目实战（一）信用卡数字识别个人学习笔记（初学超详细注释）
qq_57030255的博客
05-12 1229
初次学习项目实战——信用卡数字识别，偏向初学小白使用。
opencv实战 - 银行卡数字识别项目
05-25
利用opencv进行图像处理，并进行银行卡的数字识别。项目内会调用opencv库，利用库函数进行识别。语言 python,运行环境pycharm
opencv-4.5.1-android-sdk
12-30
opencv官网下载速度慢，需要的同学可以下载来用用
opencv-基于opencv的手势识别-项目实战.zip
01-30
opencv opencv_基于opencv的手势识别_项目实战
OpenCV-Python 4.5.4 人脸识别应用模型文件
12-05
OpenCV-Python 4.5.4新增的人脸识别应用 检测模型： yunet.onnx 识别模型：face_recognizer_fast.onnx
基于opencv--KNN车牌识别项目源码（C++）
06-20
源码部分包含了整个项目文件的所有源码，模型文件，测试用例，代码注释，流程说明，函数关系说明，适合视觉初学阶段研读测试，有利于深入了解KNN和opencv在车牌识别方面的工作原理，可以更加深刻理解opencv常用函数...
计算机视觉实战(九）信用卡数字识别项目(附完整代码)
小小何先生的学习之旅
01-10 3459
我的微信公众号名称：AI研究订阅号 微信公众号ID：MultiAgent1024 公众号介绍：主要研究强化学习、计算机视觉、深度学习、机器学习等相关内容，分享学习过程中的学习笔记和心得！期待您的关注，欢迎一起学习交流进步！ 项目概述   识别如下信用卡中的数字：   大致方法流程： 使用模板匹配方式对模板，以及输入图像进行轮廓检测（检测外轮廓）。 得到当前轮廓的外接矩形。 将模板中的外接矩...
java基础入门书籍推荐，实战篇
m0_57286518的博客
07-10 182
第1部分：基础篇 第2部分：开发篇 第3部分：优化篇 第4部分：管理维护篇 Spring全套教学资料 Spring是Java程序员的《葵花宝典》，其中提供的各种大招，能简化我们的开发，大大提升开发效率！目前99%的公司使用了Spring，大家可以去各大招聘网站看一下，Spring算是必备技能，所以一定要掌握。 资料领取方式：点击这里前往蓝色传送门 目录： 部分内容： Spring源码 第一部分 Spring 概述 第二部分 核心思想 第三部分 手写实现 IoC 和 AOP（自定义
OpenCV版本差异所引发的cv2.findContours()函数传参问题：ValueError: not enough values to unpack (expected 3, got 2)
rootkiss的博客
12-08 1862
一、问题如下： cv2.findContours()这个方法是用来找出轮廓值的： //cv2.findContours找出轮廓值，cv2.RETR_EXTERNAL表示图像的外轮廓 imagex, contours, hierarchy = cv2.findContours(binary_niblack.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMP...
项目实战：信用卡数字识别之pycharm配置的参数以及如何用anaconda中的opencv
不做蝼蚁不做神
09-03 650
文章目录 系列文章目录 前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 前言 前面我在anaconda中安装了opencv，(anaconda3-5.2.0+python3.6安装opencv-python3.4.1.15步骤及过程)，现在要在pycharm中用到opencv，不想再装一遍，想用anaconda中的，除此之外，anaconda中还有很多其他已经配置好的东西可以用。 一、新建项目 点击任务栏file->new pr..
笔记：OpenCV进行信用卡数字识别
tzh1342761595的博客
07-26 427
本文是看教程写的笔记，主要复习下OpenCV进行信用卡数字识别的总体流程和具体程序的注释，方便以后回顾和学习
opencv项目实战-信用卡识别
qq_46041403的博客
07-14 775
opencv项目实战
openCV项目实战-信用卡数字识别PyCharm版（唐宇迪）
weixin_44624767的博客
03-01 3744
最近在b站看唐宇迪老师的课程学习计算机视觉，过完前37节基础后，进入第一个项目实战—信用卡数字识别，但演示用的是eclipse，代码在pycharm运行有Bug。网上也有人对这个项目做了pycharm版的教程，在这里把解决办法一并记录下来
opencv py-opencv libopencv opencv-python
11-09
、py-opencv、libopencv和opencv-python都是与OpenCV计算机视觉库相关的术语。其中，OpenCV是一个开源计算机视觉库，可以用于处理图像和视频等任务。而py-opencv是OpenCV的Python接口，可以在Python中使用OpenCV库。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值