OPENCV银行卡识别

之前写过关于车牌识别的项目,银行卡识别和车牌识别类似,也是先从待检测图片中找到银行卡号码的区域,再将号码提取出来。

银行卡识别的难点在于:

1.银行卡种类繁多,不能使用一类固定的算法识别所有的银行卡。

2.银行卡固定和银行卡号码区域的固定比较复杂,因为主要应用于手机拍摄识别,所以像素光线都会产生很大影响。

针对手机拍摄有两套方案:

1.拍摄时固定好银行卡的位置,这样我们就不需要先进行银行卡区域的提取,直接提取银行卡号码区域。

2.对于普通拍摄照片,先进行银行卡区域提取,再提取银行卡号码区域。

版本更新:

CardOCR1.0

——银行卡轮廓和数字轮廓均采用canny边缘检测算法。

CardOCR1.1

——银行卡轮廓定位利用sobel算法替代canny算法。获取数字区域过程中采用增强对比度再利用特定阈值获取数字区域替代了之前canny算法的边缘检测。识别效果较之前有比较大的提升,鲁棒性也更好了。下一阶段是关于银行卡轮廓的偏斜扭正,和利用人工神经网络识别数字。

这里我们先采用第二种方案,如果后续识别效果不理想我们再采用第一种。

大概流程:

1.提取银行卡轮廓

2.偏斜扭正

3.获取数字区域

4.数字识别

我这里刚开始采用农业银行的银行卡做为研究,后期再推及其他银行卡。

原图:(来自百度)

(1)提取银行卡轮廓

高斯模糊-》灰度化-》Canny边缘检测-》二值化-》找轮廓-》轮廓判断

高斯模糊:去除小的噪声影响,平滑图像。

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要实现银行卡识别,可以使用OpenCVPython。以下是一个简单的银行卡识别程序的示例代码: ```python import cv2 import numpy as np # 读取图片 img = cv2.imread('bank_card.jpg') # 灰度化 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 边缘检测 edges = cv2.Canny(gray, 50, 150, apertureSize=3) # 膨胀操作 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (17, 5)) dilated = cv2.dilate(edges, kernel) # 查找轮廓 contours, hierarchy = cv2.findContours(dilated, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 提取数字区域 num_regions = [] for contour in contours: # 计算轮廓面积 area = cv2.contourArea(contour) if 1000 < area < 5000: # 获取数字区域的矩形坐标 x, y, w, h = cv2.boundingRect(contour) num_regions.append((x, y, w, h)) # 对数字区域进行排序,按照从左到右的顺序 num_regions = sorted(num_regions, key=lambda x: x[0]) # 识别银行卡号 bank_card_number = '' for num_region in num_regions: x, y, w, h = num_region num_img = gray[y:y+h, x:x+w] # 对数字图片进行二值化处理 ret, thresh = cv2.threshold(num_img, 100, 255, cv2.THRESH_BINARY) # 将二值化后的数字图片转换为字符串 num_str = pytesseract.image_to_string(thresh, config='--psm 10 --oem 3 -c tessedit_char_whitelist=0123456789') bank_card_number += num_str print('银行卡号:', bank_card_number) ``` 在这个示例代码中,我们首先读入一张银行卡的图片,然后对其进行灰度化、边缘检测、膨胀操作和轮廓查找等处理。接着,我们通过计算轮廓面积,筛选出数字区域,并按照从左到右的顺序对数字区域进行排序。最后,我们通过Tesseract OCR引擎对每个数字区域进行识别,并将识别结果拼接起来,得到银行卡号。 请注意,这个示例代码并不完美,可能会在某些情况下出现识别错误。如果您需要更精确的银行卡识别效果,可以考虑使用更复杂的算法和模型。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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