银行卡识别

效果展示

输入：

输出：

命令窗口输出：

Credit Card Type: 5412
Credit Card: 5412751234567890

具体实现：

主要分为三大模块，一是模板处理，二是样本处理，三是模板匹配

一、模板处理

模板：

要求：对模板进行外部轮廓绘制，得到10个外部轮廓后，根据坐标值对每个轮廓进行排序，用列表记录下排完序后的10个轮廓。在对外部绘制轮廓前最好对模板进行二值化处理，保证轮廓都能铺捉到。（黑底白边更容易绘制轮廓）

mode = cv2.imread('model.png')
gray = cv2.cvtColor(mode,cv2.COLOR_BGR2GRAY)
gray = cv2.threshold(gray,10,255,cv2.THRESH_BINARY_INV)[1]
#采用cv2.THRESH_BINARY_INV为了得到黑底白边，[1]的作用是为了转换成数组numpy.ndarray，否则是元组
#cv_show('1',thresh)

#cv2.RETR_EXTERNAL绘制外部轮廓，cv2.CHAIN_APPROX_SIMPLE只保留终点坐标
ref, refCnts, hierarchy = cv2.findContours(gray.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
img = cv2.drawContours(mode.copy(),refCnts,-1,(0,0,255),3)
#cv_show('1',img)
#print(np.array(refCnts).shape)
#2.排序轮廓
refCnts = cs.sorted_controus(refCnts,'left2right')[0]
digits = {}

#遍历每一个轮廓
for(i,c) in enumerate(refCnts):
    (x,y,w,h) = cv2.boundingRect(c)
    roi = ref[y:y+h,x:x+w]
    roi = cv2.resize(roi,(57,88))
    digits[i] = roi

 处理后：

 注意观察轮廓的个数是否为10

二、样本处理

要求：有时获取到的照片不一定是刚好的，可能会有白边，如本样本所示，所以需要先进行裁剪和重塑，如此一来增加了程序的鲁棒性，不需根据卡的情况改变里面长宽比的比较参数；裁剪之后进行处理，对图像进行高亮显示：礼帽操作、sobel算子锐化；采用将数字连接在一块，形成一个整体，绘制轮廓；根据长宽比、长度、宽度三个数据对外部轮廓进行过滤得到卡号所在的四个轮廓；对所在的四个轮廓排序（操作和模板处理相似）

样本：

裁剪：

img = cv2.imread('card.png')
img2gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
img2gray = cv2.threshold(img2gray,127,255,cv2.THRESH_BINARY_INV)[1]
ref,imgcnts,h = cv2.findContours(img2gray.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
#切割
imgcnts = sorted_controus(imgcnts,'left2right')[0]
c = imgcnts[0]
(x,y,w,h) = cv2.boundingRect(c)
roi = img[y:y+h-10,x+10:x+w-10]
image = cv2.resize(roi,(439,280))
#cv_show('1',image)  

效果：

高亮显示（礼帽、sobel算子）：

rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT,(9,3))
sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

#读入图像，预处理 
gray_1 = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

#制作礼帽，突出高亮部分
tophat = cv2.morphologyEx(gray_1,cv2.MORPH_TOPHAT,rectKernel)
#cv_show('1',tophat)

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')
#cs.cv_show('1',gradx)

效果：

 两次膨胀（此处处理方法多样，达到目的就行），绘制轮廓：

thresh = cv2.threshold(gradx,0,255,
                       cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
#'cv2.THRESH_BINARY | cv2.THRESH_OTSU'在0-255之间自己寻找阈值    
#cv_show('1',thresh)

thresh = cv2.dilate(thresh,rectKernel,iterations = 2)   
#cs.cv_show('1',thresh)

#绘制样本外部轮廓
thresh_,threshCnts,h = cv2.findContours(thresh.copy(),
                                    cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

img = cv2.drawContours(image.copy(),threshCnts,-1,(0,0,255),3)    
#cs.cv_show('1',img)

效果（两次膨胀后以及绘制轮廓）：

 

过滤轮廓：

for (i,c) in enumerate(threshCnts):
    #计算矩形长宽比
    (x,y,w,h) = cv2.boundingRect(c)
    ar = w / float(h)
    width.append(w)
    hight.append(h)
    a_r.append(ar)
  
    if ar > 3.4 and ar < 3.9:
        if (w > 85 and w < 95) and (h > 20 and h < 30):
            locs.append((x,y,w,h))

#left to right
locs = sorted(locs,key = lambda x:x[0])
output = []

#遍历每一个轮廓中的数字
for (i,(gx,gy,gw,gh)) in enumerate(locs):
    groupoutput = []
    
    #根据坐标提取每一个点
    group = gray_1[gy - 5:gy + gh + 5,gx - 5:gx + gw + 5]
#    cv_show('1',group)  
#预处理
    group = cv2.threshold(group,0,255,
                       cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
#    cv_show('1',group) 

效果：

三、模板匹配

要求：对<二>中得到的各个轮廓进行模板匹配；将结果画在原图上；命令窗口输出卡号

#计算匹配得分
        scores = []
        for (digit,digitroi) in digits.items():
                result = cv2.matchTemplate(roi,digitroi,cv2.TM_CCOEFF)
                (_,score,_,_) = cv2.minMaxLoc(result)
                scores.append(score)
     
        groupoutput.append(str(np.argmax(scores)))#找最大分数
        

    # 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:","".join(output[0:4]))
print("Credit Card:",str("".join(output)))
cs.cv_show('1',image)

效果：