Python OpenCV招商银行信用卡卡号识别的方法-巨人网络通讯

主页 > 知识库 > Python OpenCV招商银行信用卡卡号识别的方法

Python OpenCV招商银行信用卡卡号识别的方法

学在前面

从本篇博客起，我们将实际完成几个小案例，第一个就是银行卡号识别，预计本案例将写 5 篇左右的博客才可以完成，一起加油吧。

本文的目标是最终获取一套招商银行卡，0~9 数字的图，对于下图的数字，我们需要提取出来，便于后续模板匹配使用。不过下图中找到的数字不完整，需要找到尽量多的卡片，然后补齐这些数字。

提取卡片相关数字

先对上文中卡片中的数字进行相关提取操作，加载图片的灰度图，获取目标区域。在画板中模拟一下坐标区域，为了便于进行后续的操作。

具体代码如下：

import cv2 as cv
import numpy as np
# 读取灰度图
src = cv.imread("./ka1.jpg", 0)

# 寻找卡号目标区域
roi = src[142:168, 42:360]
# cv.imshow("roi",roi)

获取到的图片如下，发现右侧边缘缺少一部分内容，对目标区域坐标进行微调。

修改之后的代码如下，你如果使用的图片与橡皮擦不一致，注意进行修改。

# 寻找卡号目标区域
roi = src[142:168, 46:364]
cv.imshow("roi",roi)

消除噪音，可以增加模糊卷积操作，分别测试均值模糊，中值模糊，高斯模糊效果。

# 模糊卷积操作
blur_roi = cv.blur(roi,(5,5))
cv.imshow("blur_roi",blur_roi)

med_roi = cv.medianBlur(roi,5)
cv.imshow("med_roi",med_roi)

gau_roi = cv.GaussianBlur(roi,(7,7),0)
cv.imshow("gau_roi",gau_roi)

测试不同的卷积核效果，选择一个合适的即可，我这里发现卷积核为 (7,7) 的时候，高斯模糊效果不错，可以去噪。

接下来进行二值化操作。

# 对目标区域进行二值化操作
ret, thresh = cv.threshold(
  gau_roi, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
cv.imshow("thresh", thresh)

二值化处理完毕之后，发现还存在一些白色区域的点，需要去除掉，这里使用了形态学里面的腐蚀操作。

# 腐蚀
kernel = np.ones((3, 4), np.uint8)
dst = cv.erode(thresh, kernel=kernel)

腐蚀之后在进行膨胀，让原有的数字区域变的明显，最后的图片是进行之后的效果，关于卷积核你可以自行调整。

# 腐蚀
kernel = np.ones((3, 4), np.uint8)
erode_dst = cv.erode(thresh, kernel=kernel)
cv.imshow("erode_dst", erode_dst)
# 膨胀
kernel = np.ones((4, 4), np.uint8)
dilate_dst = cv.dilate(erode_dst, kernel=kernel)

下面进行外轮廓检测，检测之后发现恰好有 16 个轮廓，也就对应了 16 个数字区域。

# 检测外轮廓
# 只检测外轮廓
contours, hierarchy = cv.findContours(dilate_dst, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

print(len(contours))

对轮廓面积进行一下输出，为了防止出现非目标区域，可以进行一下基本的判断，当罗阔面积大于 80 的时候才进行展示。

target_list = []
# 轮廓判断
for cnt in contours:

  # 轮廓面积
  area = cv.contourArea(cnt)
  print(area)
  if area > 79:
    target_list.append(cnt)

print(len(target_list))

有这些参数之后，就可以对灰度图进行裁切了，基于外接矩形获取目标区域，我直接做了循环展示。

for index, cnt in enumerate(target_list):
  # 外接矩形
  x, y, w, h = cv.boundingRect(cnt)
  # 在二值化的图像上进行目标区域获取
  c_roi = roi[y:y+h, x:x+w]
  # 调整图像大小
  # big_roi = cv.resize(c_roi, dsize=(0, 0), fx=2, fy=2)
  # big_roi = cv.resize(c_roi, dsize=(0, 0))
  cv.imshow("big_roi"+str(index), c_roi)
  # cv.imwrite(f"./numbers/ka_{index}.png", big_roi)

接下来放大图片对其进行保存即可，得到如下图片列表，至此，已经获取到 1、4、6、8 几个数字，下面在切换到另一张卡片，去获取其他数字即可，注意图片大小保持一致。

big_roi = cv.resize(c_roi, dsize=(42, 66))
# cv.imshow("c_roi"+str(index), c_roi)
cv.imwrite(f"./numbers/ka1_{index}.png", big_roi)

新的图像注意调整目标区域，获取素材，已经获取到 1、2、4、5、6、7、8 几个数字

反复迭代这个办法，知道 0~9 个数字获取完整，找到所有数字之后，对该文件夹中的所有文件进行二值化操作。

import cv2 as cv
import os

def walk_file(file):
  for root, dirs, files in os.walk(file):
    for f in files:
      file = os.path.join(root, f)
      # 读取灰度图
      basename = os.path.basename(file)
      filename = basename.split(".")[0]
      src = cv.imread(file, 0)
      ret, thresh = cv.threshold(src, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
      # cv.imshow("thresh", thresh)
      cv.imwrite(f"./numbers/001_{filename}_bit.png", thresh)
      cv.waitKey()
      cv.destroyAllWindows()

if __name__ == "__main__":
  walk_file("./numbers")

二值化之后，挑选出比较清晰的数字即可，如果发现存在不清楚的，可以在寻找资源进行提取，银行里面 8 真的是太多了。