opencv信用卡卡号检测

2023-10-28 14:10
文章标签 opencv 检测 信用卡 卡号

本文主要是介绍opencv信用卡卡号检测,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  • 导入必要的包
import os
os.chdir("E:/code/opencv计算机视觉实战/template-matching-ocr/")
from imutils import contours
import numpy as np
import cv2
import myutils
  • 指定模板图和信用卡图的地址
card_default="./images/credit_card_01.png"
template_default="./images/ocr_a_reference.png"
  • 读取模板图并转为二值图
# 绘图展示
def cv_show(name,img):cv2.imshow(name, img)cv2.waitKey(0)cv2.destroyAllWindows()
# 读取一个模板图像
img = cv2.imread(template_default)
cv_show('img',img)
# 灰度图
ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv_show('ref',ref)
# 二值图像
ref = cv2.threshold(ref, 10, 255, cv2.THRESH_BINARY_INV)[1]
cv_show('ref',ref)

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

  • 计算模板的轮廓
    findContours()方法返回找到的轮廓坐标,drawContours()在原图上绘制轮廓
    注意传参时要把原图深拷贝ref.copy(),否则会将原图修改
refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
#绘制模板的轮廓
cv2.drawContours(img,refCnts,-1,(0,0,255),3) 
cv_show('img',img)

在这里插入图片描述

  • 返回0-9排序好的模板轮廓
    此时,求出的轮廓不一定是0-9排好序的,为了后续匹配需要对轮廓进行排序
#排序方法  从左到右排序
def sort_contours(cnts, method="left-to-right"):reverse = Falsei = 0boundingBoxes = [cv2.boundingRect(c) for c in cnts] #用一个最小的外接矩形,把找到的轮廓包起来x,y,h,w#用外接矩形的左上角横坐标排序即0-9(cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),key=lambda b: b[1][i], reverse=reverse))#返回排好序的轮廓return cnts, boundingBoxes
#返回0-9排序好的模板轮廓
refCnts = myutils.sort_contours(refCnts)[0] #排序,从左到右
digits = {}
# 遍历每一个轮廓,将轮廓的外接矩形抠出来resize成合适大小存到字典中
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]   #从原图取出该轮廓的区域roi = cv2.resize(roi, (57, 88))# 每一个数字对应每一个模板digits[i] = roi

在这里插入图片描述
如图为数字8对应的模板

  • 读取信用卡图像并转为灰度图,resize成合适大小
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 imageif 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#读取输入图像,预处理
image = cv2.imread(card_default)
cv_show('image',image)
image = myutils.resize(image, width=300)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv_show('gray',gray)

在这里插入图片描述
在这里插入图片描述

  • 对灰度图进行顶帽操作,突出较亮的数字部分
# 初始化卷积核
rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3))
#顶帽操作,突出更明亮的区域 ,用自定义的适合卡号数字大小的卷积核
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel) 
cv_show('tophat',tophat)

在这里插入图片描述

  • 用索贝尔算子求X方向的梯度
#索贝尔算子求X方向梯度
gradX = cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=1, dy=0, #ksize=-1相当于用3*3的ksize=-1)
#将负梯度转为绝对值
gradX = np.absolute(gradX)
#将梯度值最大最小值归一化后再*255复原
(minVal, maxVal) = (np.min(gradX), np.max(gradX))
gradX = (255 * ((gradX - minVal) / (maxVal - minVal)))
#转为无符号8位整型
gradX = gradX.astype("uint8")
#显示X方向的梯度图
cv_show('gradX',gradX)

在这里插入图片描述

  • 使用闭操作将数字连接在一起
    在这里插入图片描述
    在这里插入图片描述
  • 再进行一次闭操作
#再来一个闭操作
sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel) #再来一个闭操作
cv_show('thresh',thresh)

在这里插入图片描述

# 计算信用卡数字轮廓
threshCnts, _ = 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)

在这里插入图片描述

  • 筛选是信用卡数字的轮廓
locs = []  #用来保存是卡号数字的轮廓
# 遍历轮廓
for (i, c) in enumerate(cnts):# 计算轮廓的外接矩形(x, y, w, h) = cv2.boundingRect(c)#计算轮廓的宽高比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):#符合轮廓的留下来locs.append((x, y, w, h))
# 将符合的轮廓从左到右排序(按照轮廓的x坐标)
locs = sorted(locs, key=lambda x:x[0])
  • 遍历轮廓中的数字与模板进行匹配
output = []  #保存结果
# 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 digitsgroupOutput = []  #保存这组轮廓的数字# 根据坐标提取每一组卡号轮廓且往外扩展5个像素group = gray[gY - 5:gY + gH + 5, gX - 5:gX + gW + 5]cv_show('group',group) #可视化这组卡号# 二值化预处理  自适应阈值group = cv2.threshold(group, 0, 255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]cv_show('group',group)  #可视化二值化后的这组卡号# 计算每一组4个数值的轮廓digitCnts, _ = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)#对4个数值的轮廓从左到右排序digitCnts = sort_contours(digitCnts)[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求外接矩形,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)  #可视化该数值# 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   计算相关系数result = cv2.matchTemplate(roi, digitROI,cv2.TM_CCOEFF)#返回最大的相关系数(_, score, _, _) = cv2.minMaxLoc(result)scores.append(score)  #将得分保存在列表# 得到最合适的数字   最大的分的下标即为匹配出的数字保存到该组卡号列表中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)
cv_show("img",image)
print(output)

在这里插入图片描述

这篇关于opencv信用卡卡号检测的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/293737

相关文章

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

基于 YOLOv5 的积水检测系统:打造高效智能的智慧城市应用

在城市发展中,积水问题日益严重,特别是在大雨过后,积水往往会影响交通甚至威胁人们的安全。通过现代计算机视觉技术,我们能够智能化地检测和识别积水区域,减少潜在危险。本文将介绍如何使用 YOLOv5 和 PyQt5 搭建一个积水检测系统,结合深度学习和直观的图形界面,为用户提供高效的解决方案。 源码地址: PyQt5+YoloV5 实现积水检测系统 预览: 项目背景

opencv 滚动条

参数介绍:createTrackbar( trackbarname , "hello" , &alpha_slider ,alpha_max ,  on_trackbar )  ;在标签中显示的文字(提示滑动条的用途) TrackbarName创建的滑动条要放置窗体的名字 “hello”滑动条的取值范围从 0 到 alpha_max (最小值只能为 zero).滑动后的值存放在

android-opencv-jni

//------------------start opencv--------------------@Override public void onResume(){ super.onResume(); //通过OpenCV引擎服务加载并初始化OpenCV类库,所谓OpenCV引擎服务即是 //OpenCV_2.4.3.2_Manager_2.4_*.apk程序包,存

JavaFX应用更新检测功能(在线自动更新方案)

JavaFX开发的桌面应用属于C端,一般来说需要版本检测和自动更新功能,这里记录一下一种版本检测和自动更新的方法。 1. 整体方案 JavaFX.应用版本检测、自动更新主要涉及一下步骤: 读取本地应用版本拉取远程版本并比较两个版本如果需要升级,那么拉取更新历史弹出升级控制窗口用户选择升级时,拉取升级包解压,重启应用用户选择忽略时,本地版本标志为忽略版本用户选择取消时,隐藏升级控制窗口 2.

OpenCV结构分析与形状描述符(11)椭圆拟合函数fitEllipse()的使用

操作系统:ubuntu22.04 OpenCV版本:OpenCV4.9 IDE:Visual Studio Code 编程语言:C++11 算法描述 围绕一组2D点拟合一个椭圆。 该函数计算出一个椭圆,该椭圆在最小二乘意义上最好地拟合一组2D点。它返回一个内切椭圆的旋转矩形。使用了由[90]描述的第一个算法。开发者应该注意,由于数据点靠近包含的 Mat 元素的边界,返回的椭圆/旋转矩形数据

树莓派5_opencv笔记27:Opencv录制视频(无声音)

今日继续学习树莓派5 8G:(Raspberry Pi,简称RPi或RasPi)  本人所用树莓派5 装载的系统与版本如下:  版本可用命令 (lsb_release -a) 查询: Opencv 与 python 版本如下: 今天就水一篇文章,用树莓派摄像头,Opencv录制一段视频保存在指定目录... 文章提供测试代码讲解,整体代码贴出、测试效果图 目录 阶段一:录制一段

Verybot之OpenCV应用三:色标跟踪

下面的这个应用主要完成的是Verybot跟踪色标的功能,识别部分还是居于OpenCV编写,色标跟踪一般需要将图像的颜色模式进行转换,将RGB转换为HSV,因为对HSV格式下的图像进行识别时受光线的影响比较小,但是也有采用RGB模式来进行识别的情况,这种情况一般光线条件比较固定,背景跟识别物在颜色上很容易区分出来。         下面这个程序的流程大致是这样的: