C++ OpenCV實(shí)現(xiàn)銀行卡號(hào)識(shí)別功能

更新時(shí)間：2022年01月22日 15:44:43 作者：Zero___Chen

這篇文章主要介紹了如何使用OpenCV C++實(shí)現(xiàn)銀行卡號(hào)識(shí)別功能，文中的示例代碼講解詳細(xì)，對(duì)我們學(xué)習(xí)OpenCV有一定幫助，需要的可以參考一下

前言

本文將使用OpenCV C++ 進(jìn)行銀行卡號(hào)識(shí)別。主要步驟可以細(xì)分為：

1、獲取模板圖像

2、銀行卡號(hào)區(qū)域定位

3、字符切割

4、模板匹配

5、效果顯示

接下來(lái)就具體看看是如何一步步實(shí)現(xiàn)的吧。

一、獲取模板圖像

如圖所示，這是我們的模板圖像。我們需要將上面的字符一一切割出來(lái)保存，以便進(jìn)行后續(xù)的字符匹配環(huán)節(jié)。先進(jìn)行圖像灰度、閾值等操作進(jìn)行輪廓提取，這里就不再細(xì)說(shuō)。這里我想說(shuō)的是，由于經(jīng)過(guò)輪廓檢索，提取出來(lái)的字符并不是按（0、1、2…7、8、9）順序排列，所以，在這里我自定義了一個(gè)Card結(jié)構(gòu)體，用于圖像排序。具體請(qǐng)看源碼。

1.1 功能效果

如圖為順序切割出來(lái)的模板字符。

1.2 功能源碼

bool Get_Template(Mat temp, vector<Card>&Card_Temp)
{
?? ?//圖像預(yù)處理
?? ?Mat gray;
?? ?cvtColor(temp, gray, COLOR_BGR2GRAY);

?? ?Mat thresh;
?? ?threshold(gray, thresh, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);

?? ?//輪廓檢測(cè)
?? ?vector <vector<Point>> contours;
?? ?findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
?? ?for (int i = 0; i < contours.size(); i++)
?? ?{
?? ??? ?Rect rect = boundingRect(contours[i]);

?? ??? ?double ratio = double(rect.width) / double(rect.height);
?? ??? ?//篩選出字符輪廓
?? ??? ?if (ratio > 0.5 && ratio < 1)
?? ??? ?{
?? ??? ??? ?/*rectangle(temp, rect, Scalar(0, 255, 0));*/
?? ??? ??? ?Mat roi = temp(rect); ?//將字符扣出，放入Card_Temp容器備用
?? ??? ??? ?Card_Temp.push_back({ roi ,rect });
?? ??? ?}
?? ?}

?? ?if (Card_Temp.empty())return false;

?? ?//進(jìn)行字符排序，使其按（0、1、2...7、8、9）順序排序
?? ?for (int i = 0; i < Card_Temp.size()-1; i++)
?? ?{
?? ??? ?for (int j = 0; j < Card_Temp.size() - 1 - i; j++)
?? ??? ?{
?? ??? ??? ?if (Card_Temp[j].rect.x > Card_Temp[j + 1].rect.x)
?? ??? ??? ?{
?? ??? ??? ??? ?Card temp = Card_Temp[j];
?? ??? ??? ??? ?Card_Temp[j] = Card_Temp[j + 1];
?? ??? ??? ??? ?Card_Temp[j + 1] = temp;
?? ??? ??? ?}
?? ??? ?}
?? ?}

?? ?return true;
}

二、銀行卡號(hào)定位

如圖所示，這是本案例需要識(shí)別的銀行卡。從圖中可以看出，我們需要將銀行卡號(hào)切割出來(lái)首先得將卡號(hào)分為4個(gè)小塊切割，之后再需要將每一小塊上的字符切割。接下來(lái)一步步看是如何操作的。

2.1 將銀行卡號(hào)切割成四塊

首先第一步得先進(jìn)行圖像預(yù)處理，通過(guò)灰度、二值化、形態(tài)學(xué)等操作提取出卡號(hào)輪廓。這里的圖像預(yù)處理需要根據(jù)圖像特征自行確定，并不是所有的步驟都是必須的，我們最終的目的是為了定位銀行卡號(hào)所在輪廓位置。這里我使用的是二值化、以及形態(tài)學(xué)閉操作。

?//形態(tài)學(xué)操作、以便找到銀行卡號(hào)區(qū)域輪廓
?? ?Mat gray;
?? ?cvtColor(src, gray, COLOR_BGR2GRAY);

?? ?Mat gaussian;
?? ?GaussianBlur(gray, gaussian, Size(3, 3), 0);

?? ?Mat thresh;
?? ?threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU);

?? ?Mat close;
?? ?Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5));
?? ?morphologyEx(thresh, close, MORPH_CLOSE, kernel2);

經(jīng)過(guò)灰度、閾值、形態(tài)學(xué)操作后的圖像如下圖所示。我們已經(jīng)將銀行卡號(hào)分為四個(gè)小矩形塊，接下來(lái)只需通過(guò)輪廓查找、篩選就可以扣出這四個(gè)ROI區(qū)域了。

? vector<vector<Point>>contours;
?? ?findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
?? ?for (int i = 0; i < contours.size(); i++)
?? ?{
?? ??? ?//通過(guò)面積、長(zhǎng)寬比篩選出銀行卡號(hào)區(qū)域
?? ??? ?double area = contourArea(contours[i]);

?? ??? ?if (area > 800 && area < 1400)
?? ??? ?{
?? ??? ??? ?Rect rect = boundingRect(contours[i]);
?? ??? ??? ?float ratio = double(rect.width) / double(rect.height);

?? ??? ??? ?if (ratio > 2.8 && ratio < 3.1)
?? ??? ??? ?{
?? ??? ??? ??? ?Mat ROI = src(rect);
?? ??? ??? ??? ?Block_ROI.push_back({ ROI ,rect });
?? ??? ??? ?}
?? ??? ?}
?? ?}

同理，我們需要將切割下來(lái)的小塊按照它原來(lái)的順序存儲(chǔ)。

    for (int i = 0; i < Block_ROI.size()-1; i++)
    {
        for (int j = 0; j < Block_ROI.size() - 1 - i; j++)
        {
            if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x)
            {
                Card temp = Block_ROI[j];
                Block_ROI[j] = Block_ROI[j + 1];
                Block_ROI[j + 1] = temp;
            }
        }
    }

2.1.1 功能效果

2.1.2 功能源碼

bool Cut_Block(Mat src, vector<Card>&Block_ROI)
{
?? ?//形態(tài)學(xué)操作、以便找到銀行卡號(hào)區(qū)域輪廓
?? ?Mat gray;
?? ?cvtColor(src, gray, COLOR_BGR2GRAY);

?? ?Mat gaussian;
?? ?GaussianBlur(gray, gaussian, Size(3, 3), 0);

?? ?Mat thresh;
?? ?threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU);

?? ?Mat close;
?? ?Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5));
?? ?morphologyEx(thresh, close, MORPH_CLOSE, kernel2);

?? ?vector<vector<Point>>contours;
?? ?findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
?? ?for (int i = 0; i < contours.size(); i++)
?? ?{
?? ??? ?//通過(guò)面積、長(zhǎng)寬比篩選出銀行卡號(hào)區(qū)域
?? ??? ?double area = contourArea(contours[i]);

?? ??? ?if (area > 800 && area < 1400)
?? ??? ?{
?? ??? ??? ?Rect rect = boundingRect(contours[i]);
?? ??? ??? ?float ratio = double(rect.width) / double(rect.height);

?? ??? ??? ?if (ratio > 2.8 && ratio < 3.1)
?? ??? ??? ?{
?? ??? ??? ??? ?//rectangle(src, rect, Scalar(0, 255, 0), 2);
?? ??? ??? ??? ?Mat ROI = src(rect);
?? ??? ??? ??? ?Block_ROI.push_back({ ROI ,rect });
?? ??? ??? ?}
?? ??? ?}
?? ?}
?? ?
?? ?if (Block_ROI.size()!=4)return false;

?? ?for (int i = 0; i < Block_ROI.size()-1; i++)
?? ?{
?? ??? ?for (int j = 0; j < Block_ROI.size() - 1 - i; j++)
?? ??? ?{
?? ??? ??? ?if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x)
?? ??? ??? ?{
?? ??? ??? ??? ?Card temp = Block_ROI[j];
?? ??? ??? ??? ?Block_ROI[j] = Block_ROI[j + 1];
?? ??? ??? ??? ?Block_ROI[j + 1] = temp;
?? ??? ??? ?}
?? ??? ?}
?? ?}

?? ?//for (int i = 0; i < Block_ROI.size(); i++)
?? ?//{
?? ?//?? ?imshow(to_string(i), Block_ROI[i].mat);
?? ?//?? ?waitKey(0);
?? ?//}

?? ?return true;
}

2.2 字符切割

由步驟2.1，我們已經(jīng)將銀行卡號(hào)定位，且順序切割成四個(gè)小塊。接下來(lái)，我們只需要將他們依次的將字符切割下來(lái)就可以了。其實(shí)切割字符跟上面的切割小方塊是差不多的，這里就不再多說(shuō)了。在這里我著重要說(shuō)明的是，切割出來(lái)的字符相對(duì)于銀行卡所在位置。

由步驟2.1，我們順序切割出來(lái)四個(gè)小方塊。以其中一個(gè)小方塊為例，當(dāng)時(shí)我們存儲(chǔ)了rect變量，它表示該小方塊相對(duì)于圖像起點(diǎn)（X，Y），寬W，高H。而步驟2.2我們需要做的就是將這個(gè)小方塊的字符切割出來(lái)，那么每一個(gè)字符相對(duì)于小方塊所在位置為起點(diǎn)（x,y），寬w，高h(yuǎn)。所以，這些字符相當(dāng)于銀行卡所在位置就是起點(diǎn)（X+x，Y+y），寬 (w），高（h）。具體請(qǐng)細(xì)看源碼。也比較簡(jiǎn)單容易理解。

?//循環(huán)上面切割出來(lái)的四個(gè)小塊，將上面的字符一一切割出來(lái)。
?? ?for (int i = 0; i < Block_ROI.size(); i++)
?? ?{
?? ??? ?Mat roi_gray;
?? ??? ?cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY);

?? ??? ?Mat roi_thresh;
?? ??? ?threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU);

?? ??? ?vector <vector<Point>> contours;
?? ??? ?findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
?? ??? ?for (int j = 0; j < contours.size(); j++)
?? ??? ?{
?? ??? ??? ?Rect rect = boundingRect(contours[j]);
?? ??? ??? ?//字符相對(duì)于銀行卡所在的位置
?? ??? ??? ?Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height);?? ?
?? ??? ??? ?Mat r_roi = Block_ROI[i].mat(rect);
?? ??? ??? ?Slice_ROI.push_back({ r_roi ,roi_rect });?? ??? ?
?? ??? ?}
?? ?}

同樣，在這里我們也需要將切割出來(lái)的字符順序排序。即銀行卡上的號(hào)碼是怎樣排序的，我們就需要怎樣排序保存

    for (int i = 0; i < Slice_ROI.size() - 1; i++)
    {
        for (int j = 0; j < Slice_ROI.size() - 1 - i; j++)
        {
            if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x)
            {
                Card temp = Slice_ROI[j];
                Slice_ROI[j] = Slice_ROI[j + 1];
                Slice_ROI[j + 1] = temp;
            }
        }
    }

2.2.1 功能效果

如圖為順序切割出來(lái)的字符

2.2.2 功能源碼

bool Cut_Slice(vector<Card>&Block_ROI,vector<Card>&Slice_ROI)
{
?? ?//循環(huán)上面切割出來(lái)的四個(gè)小塊，將上面的字符一一切割出來(lái)。
?? ?for (int i = 0; i < Block_ROI.size(); i++)
?? ?{
?? ??? ?Mat roi_gray;
?? ??? ?cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY);

?? ??? ?Mat roi_thresh;
?? ??? ?threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU);

?? ??? ?vector <vector<Point>> contours;
?? ??? ?findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
?? ??? ?for (int j = 0; j < contours.size(); j++)
?? ??? ?{
?? ??? ??? ?Rect rect = boundingRect(contours[j]);
?? ??? ??? ?//字符相對(duì)于銀行卡所在的位置
?? ??? ??? ?Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height);?? ?
?? ??? ??? ?Mat r_roi = Block_ROI[i].mat(rect);
?? ??? ??? ?Slice_ROI.push_back({ r_roi ,roi_rect });?? ??? ?
?? ??? ?}
?? ?}

?? ?if (Slice_ROI.size() != 16) return false;

?? ?for (int i = 0; i < Slice_ROI.size() - 1; i++)
?? ?{
?? ??? ?for (int j = 0; j < Slice_ROI.size() - 1 - i; j++)
?? ??? ?{
?? ??? ??? ?if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x)
?? ??? ??? ?{
?? ??? ??? ??? ?Card temp = Slice_ROI[j];
?? ??? ??? ??? ?Slice_ROI[j] = Slice_ROI[j + 1];
?? ??? ??? ??? ?Slice_ROI[j + 1] = temp;
?? ??? ??? ?}
?? ??? ?}
?? ?}

?? ?//for (int i = 0; i < Slice_ROI.size(); i++)
?? ?//{
?? ?//?? ?imshow(to_string(i), Slice_ROI[i].mat);
?? ?//?? ?waitKey(0);
?? ?//}

?? ?return true;
}

三、字符識(shí)別

3.1.讀取文件

如圖所示，為模板圖像對(duì)應(yīng)的label。我們需要讀取文件，進(jìn)行匹配。

bool ReadData(string filename, vector<int>&label)
{
?? ?fstream fin;
?? ?fin.open(filename, ios::in);
?? ?if (!fin.is_open())
?? ?{
?? ??? ?cout << "can not open the file!" << endl;
?? ??? ?return false;
?? ?}

?? ?int data[10] = { 0 };
?? ?for (int i = 0; i < 10; i++)
?? ?{
?? ??? ?fin >> data[i];
?? ?}
?? ?fin.close();

?? ?for (int i = 0; i < 10; i++)
?? ?{
?? ??? ?label.push_back(data[i]);
?? ?}
?? ?return true;
}

3.2.字符匹配

在這里，我的思路是：使用一個(gè)for循環(huán)，將我們切割出來(lái)的字符與現(xiàn)有的模板一一進(jìn)行匹配。使用的算法是圖像模板匹配matchTemplate。具體用法請(qǐng)大家自行查找相關(guān)資料。具體請(qǐng)看源碼

3.3.功能源碼

bool Template_Matching(vector<Card>&Card_Temp,
?? ?vector<Card>&Block_ROI, vector<Card>&Slice_ROI,
?? ?vector<int>&result_index)
{
?? ?for (int i = 0; i < Slice_ROI.size(); i++)
?? ?{
?? ??? ?//將字符resize成合適大小，利于識(shí)別
?? ??? ?resize(Slice_ROI[i].mat, Slice_ROI[i].mat, Size(60, 80), 1, 1, INTER_LINEAR);

?? ??? ?Mat gray;
?? ??? ?cvtColor(Slice_ROI[i].mat, gray, COLOR_BGR2GRAY);

?? ??? ?int maxIndex = 0;
?? ??? ?double Max = 0.0;
?? ??? ?for (int j = 0; j < Card_Temp.size(); j++)
?? ??? ?{?? ??? ?
?? ??? ??? ?resize(Card_Temp[j].mat, Card_Temp[j].mat, Size(60, 80), 1, 1, INTER_LINEAR);

?? ??? ??? ?Mat temp_gray;
?? ??? ??? ?cvtColor(Card_Temp[j].mat, temp_gray, COLOR_BGR2GRAY);

?? ??? ??? ?//進(jìn)行模板匹配，識(shí)別數(shù)字
?? ??? ??? ?Mat result;
?? ??? ??? ?matchTemplate(gray, temp_gray, result, TM_SQDIFF_NORMED);
?? ??? ??? ?double minVal, maxVal;
?? ??? ??? ?Point minLoc, maxLoc;

?? ??? ??? ?minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);
?? ??? ??? ?
?? ??? ??? ?//得分最大的視為匹配結(jié)果
?? ??? ??? ?if (maxVal > Max)
?? ??? ??? ?{
?? ??? ??? ??? ?Max = maxVal;
?? ??? ??? ??? ?maxIndex = j; //匹配結(jié)果
?? ??? ??? ?}
?? ??? ?}

?? ??? ?result_index.push_back(maxIndex);//將匹配結(jié)果進(jìn)行保存
?? ?}

?? ?if (result_index.size() != 16)return false;

?? ?return true;
}

四、效果顯示

4.1 功能源碼

bool Show_Result(Mat src,?
?? ?vector<Card>&Block_ROI,
?? ?vector<Card>&Slice_ROI,?
?? ?vector<int>&result_index)
{
?? ?//讀取label標(biāo)簽
?? ?vector<int>label;
?? ?if (!ReadData("label.txt", label))return false;

?? ?//將匹配結(jié)果進(jìn)行顯示
?? ?for (int i = 0; i < Block_ROI.size(); i++)
?? ?{
?? ??? ?rectangle(src, Rect(Block_ROI[i].rect.tl(), Block_ROI[i].rect.br()), Scalar(0, 255, 0), 2);
?? ?}
?? ?for (int i = 0; i < Slice_ROI.size(); i++)
?? ?{
?? ??? ?cout << label[result_index[i]] << " ";
?? ??? ?putText(src, to_string(label[result_index[i]]), Point(Slice_ROI[i].rect.tl()), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2);
?? ?}

?? ?imshow("Demo", src);
?? ?waitKey(0);
?? ?destroyAllWindows();

?? ?return true;
}

4.2 效果顯示

如圖所示，為本案例最終的效果展示。

五、源碼

5.1 hpp文件

#pragma once
#include<opencv2/opencv.hpp>
#include<iostream>

struct Card
{
	cv::Mat mat;
	cv::Rect rect;
};

//獲取模板圖像
bool Get_Template(cv::Mat temp, std::vector<Card>&Card_Temp);

//將銀行卡卡號(hào)部分切成四塊
bool Cut_Block(cv::Mat src, std::vector<Card>&Block_ROI);

//將每一塊數(shù)字區(qū)域切分出單獨(dú)數(shù)字
bool Cut_Slice(std::vector<Card>&Block_ROI, std::vector<Card>&Slice_ROI);

//將數(shù)字與模板進(jìn)行模板匹配
bool Template_Matching(std::vector<Card>&Card_Temp, 
	std::vector<Card>&Block_ROI,
	std::vector<Card>&Slice_ROI,
	std::vector<int>&result_index);

//顯示最終結(jié)果
bool Show_Result(cv::Mat src,
	std::vector<Card>&Block_ROI, 
	std::vector<Card>&Slice_ROI,
	std::vector<int>&result_index);

5.2 cpp文件

#include<iostream>
#include"CardDectection.h"
#include<fstream>
using namespace std;
using namespace cv;


bool Get_Template(Mat temp, vector<Card>&Card_Temp)
{
	//圖像預(yù)處理
	Mat gray;
	cvtColor(temp, gray, COLOR_BGR2GRAY);

	Mat thresh;
	threshold(gray, thresh, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);

	//輪廓檢測(cè)
	vector <vector<Point>> contours;
	findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
	for (int i = 0; i < contours.size(); i++)
	{
		Rect rect = boundingRect(contours[i]);

		double ratio = double(rect.width) / double(rect.height);
		//篩選出字符輪廓
		if (ratio > 0.5 && ratio < 1)
		{
			/*rectangle(temp, rect, Scalar(0, 255, 0));*/
			Mat roi = temp(rect);  //將字符扣出，放入Card_Temp容器備用
			Card_Temp.push_back({ roi ,rect });
		}
	}

	if (Card_Temp.empty())return false;

	//進(jìn)行字符排序，使其按（0、1、2...7、8、9）順序排序
	for (int i = 0; i < Card_Temp.size()-1; i++)
	{
		for (int j = 0; j < Card_Temp.size() - 1 - i; j++)
		{
			if (Card_Temp[j].rect.x > Card_Temp[j + 1].rect.x)
			{
				Card temp = Card_Temp[j];
				Card_Temp[j] = Card_Temp[j + 1];
				Card_Temp[j + 1] = temp;
			}
		}
	}

	//for (int i = 0; i < Card_Temp.size(); i++)
	//{
	//	imshow(to_string(i), Card_Temp[i].mat);
	//	waitKey(0);
	//}

	return true;
}



bool Cut_Block(Mat src, vector<Card>&Block_ROI)
{
	//形態(tài)學(xué)操作、以便找到銀行卡號(hào)區(qū)域輪廓
	Mat gray;
	cvtColor(src, gray, COLOR_BGR2GRAY);

	Mat gaussian;
	GaussianBlur(gray, gaussian, Size(3, 3), 0);

	Mat thresh;
	threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU);

	Mat close;
	Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5));
	morphologyEx(thresh, close, MORPH_CLOSE, kernel2);

	vector<vector<Point>>contours;
	findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
	for (int i = 0; i < contours.size(); i++)
	{
		//通過(guò)面積、長(zhǎng)寬比篩選出銀行卡號(hào)區(qū)域
		double area = contourArea(contours[i]);

		if (area > 800 && area < 1400)
		{
			Rect rect = boundingRect(contours[i]);
			float ratio = double(rect.width) / double(rect.height);

			if (ratio > 2.8 && ratio < 3.1)
			{
				//rectangle(src, rect, Scalar(0, 255, 0), 2);
				Mat ROI = src(rect);
				Block_ROI.push_back({ ROI ,rect });
			}
		}
	}
	
	if (Block_ROI.size()!=4)return false;

	for (int i = 0; i < Block_ROI.size()-1; i++)
	{
		for (int j = 0; j < Block_ROI.size() - 1 - i; j++)
		{
			if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x)
			{
				Card temp = Block_ROI[j];
				Block_ROI[j] = Block_ROI[j + 1];
				Block_ROI[j + 1] = temp;
			}
		}
	}

	//for (int i = 0; i < Block_ROI.size(); i++)
	//{
	//	imshow(to_string(i), Block_ROI[i].mat);
	//	waitKey(0);
	//}

	return true;
}


bool Cut_Slice(vector<Card>&Block_ROI,vector<Card>&Slice_ROI)
{
	//循環(huán)上面切割出來(lái)的四個(gè)小塊，將上面的字符一一切割出來(lái)。
	for (int i = 0; i < Block_ROI.size(); i++)
	{
		Mat roi_gray;
		cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY);

		Mat roi_thresh;
		threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU);

		vector <vector<Point>> contours;
		findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
		for (int j = 0; j < contours.size(); j++)
		{
			Rect rect = boundingRect(contours[j]);
			//字符相對(duì)于銀行卡所在的位置
			Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height);	
			Mat r_roi = Block_ROI[i].mat(rect);
			Slice_ROI.push_back({ r_roi ,roi_rect });		
		}
	}

	if (Slice_ROI.size() != 16) return false;

	for (int i = 0; i < Slice_ROI.size() - 1; i++)
	{
		for (int j = 0; j < Slice_ROI.size() - 1 - i; j++)
		{
			if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x)
			{
				Card temp = Slice_ROI[j];
				Slice_ROI[j] = Slice_ROI[j + 1];
				Slice_ROI[j + 1] = temp;
			}
		}
	}

	//for (int i = 0; i < Slice_ROI.size(); i++)
	//{
	//	imshow(to_string(i), Slice_ROI[i].mat);
	//	waitKey(0);
	//}

	return true;
}

bool ReadData(string filename, vector<int>&label)
{
	fstream fin;
	fin.open(filename, ios::in);
	if (!fin.is_open())
	{
		cout << "can not open the file!" << endl;
		return false;
	}

	int data[10] = { 0 };
	for (int i = 0; i < 10; i++)
	{
		fin >> data[i];
	}
	fin.close();

	for (int i = 0; i < 10; i++)
	{
		label.push_back(data[i]);
	}
	return true;
}

bool Template_Matching(vector<Card>&Card_Temp,
	vector<Card>&Block_ROI, vector<Card>&Slice_ROI,
	vector<int>&result_index)
{
	for (int i = 0; i < Slice_ROI.size(); i++)
	{
		//將字符resize成合適大小，利于識(shí)別
		resize(Slice_ROI[i].mat, Slice_ROI[i].mat, Size(60, 80), 1, 1, INTER_LINEAR);

		Mat gray;
		cvtColor(Slice_ROI[i].mat, gray, COLOR_BGR2GRAY);

		int maxIndex = 0;
		double Max = 0.0;
		for (int j = 0; j < Card_Temp.size(); j++)
		{		
			resize(Card_Temp[j].mat, Card_Temp[j].mat, Size(60, 80), 1, 1, INTER_LINEAR);

			Mat temp_gray;
			cvtColor(Card_Temp[j].mat, temp_gray, COLOR_BGR2GRAY);

			//進(jìn)行模板匹配，識(shí)別數(shù)字
			Mat result;
			matchTemplate(gray, temp_gray, result, TM_SQDIFF_NORMED);
			double minVal, maxVal;
			Point minLoc, maxLoc;

			minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);
			
			//得分最大的視為匹配結(jié)果
			if (maxVal > Max)
			{
				Max = maxVal;
				maxIndex = j; //匹配結(jié)果
			}
		}

		result_index.push_back(maxIndex);//將匹配結(jié)果進(jìn)行保存
	}

	if (result_index.size() != 16)return false;

	return true;
}

bool Show_Result(Mat src, 
	vector<Card>&Block_ROI,
	vector<Card>&Slice_ROI, 
	vector<int>&result_index)
{
	//讀取label標(biāo)簽
	vector<int>label;
	if (!ReadData("label.txt", label))return false;

	//將匹配結(jié)果進(jìn)行顯示
	for (int i = 0; i < Block_ROI.size(); i++)
	{
		rectangle(src, Rect(Block_ROI[i].rect.tl(), Block_ROI[i].rect.br()), Scalar(0, 255, 0), 2);
	}
	for (int i = 0; i < Slice_ROI.size(); i++)
	{
		cout << label[result_index[i]] << " ";
		putText(src, to_string(label[result_index[i]]), Point(Slice_ROI[i].rect.tl()), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2);
	}

	imshow("Demo", src);
	waitKey(0);
	destroyAllWindows();

	return true;
}

5.3 main文件

#include<iostream>
#include"CardDectection.h"
using namespace std;
using namespace cv;

int main()
{

	Mat src = imread("card.png");   //源圖像 銀行卡
	Mat temp = imread("number.png"); //模板圖像

	if (src.empty() || temp.empty())
	{
		cout << "no image data !" << endl;
		system("pause");
		return -1;
	}

	vector<Card>Card_Temp;
	if (!Get_Template(temp, Card_Temp))
	{
		cout << "模板切割失??！" << endl;
		system("pause");
		return -1;
	}


	vector<Card>Block_ROI;
	if (Cut_Block(src, Block_ROI))
	{
		vector<Card>Slice_ROI;
		if (Cut_Slice(Block_ROI, Slice_ROI))
		{
			vector<int>result_index;
			if (Template_Matching(Card_Temp, Block_ROI, Slice_ROI, result_index))
			{
				Show_Result(src, Block_ROI, Slice_ROI, result_index);
			}
			else
			{
				cout << "識(shí)別失?。? << endl;
				system("pause");
				return -1;
			}
		}
		else
		{
			cout << "切片失??！" << endl;
			system("pause");
			return -1;
		}
	}
	else
	{
		cout << "切塊失敗！" << endl;
		system("pause");
		return -1;
	}

	system("pause");
	return 0;
}

總結(jié)

本文使用OpenCV C++進(jìn)行銀行卡號(hào)識(shí)別，關(guān)鍵步驟有以下幾點(diǎn)。

1、銀行卡號(hào)定位。根據(jù)本案例中的銀行卡圖像特征，我們先將銀行卡號(hào)所在位置定位。根據(jù)圖像特征，我們可以將銀行卡號(hào)分為四個(gè)小方塊進(jìn)行定位切割。

2、字符分割。根據(jù)前面得到的銀行卡號(hào)四個(gè)小方塊，我們需要將它們順序切割出每一個(gè)字符。

3、字符識(shí)別。我們將得到的字符與我們準(zhǔn)備好的模板一一進(jìn)行匹配。這里使用的匹配算法是圖像模板匹配。

以上就是C++ OpenCV實(shí)現(xiàn)銀行卡號(hào)識(shí)別功能的詳細(xì)內(nèi)容，更多關(guān)于C++ OpenCV銀行卡號(hào)識(shí)別的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章:

国产无遮挡裸体免费直播视频,久久精品国产蜜臀av,动漫在线视频一区二区,欧亚日韩一区二区三区,久艹在线免费视频,国产精品美女网站免费,正在播放 97超级视频在线观看,斗破苍穹年番在线观看免费,51最新乱码中文字幕

C++ OpenCV實(shí)現(xiàn)銀行卡號(hào)識(shí)別功能

目錄

前言

一、獲取模板圖像

1.1 功能效果

1.2 功能源碼

二、銀行卡號(hào)定位

2.1 將銀行卡號(hào)切割成四塊

2.2 字符切割

三、字符識(shí)別

3.1.讀取文件

3.2.字符匹配

3.3.功能源碼

四、效果顯示

4.1 功能源碼

4.2 效果顯示

五、源碼

5.1 hpp文件

5.2 cpp文件

5.3 main文件

總結(jié)

相關(guān)文章

最新評(píng)論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具

国产无遮挡裸体免费直播视频,久久精品国产蜜臀av,动漫在线视频一区二区,欧亚日韩一区二区三区,久艹在线 免费视频,国产精品美女网站免费,正在播放 97超级视频在线观看,斗破苍穹年番在线观看免费,51最新乱码中文字幕

C++ OpenCV實(shí)現(xiàn)銀行卡號(hào)識(shí)別功能

目錄

前言

一、獲取模板圖像

1.1 功能效果

1.2 功能源碼

二、銀行卡號(hào)定位

2.1 將銀行卡號(hào)切割成四塊

2.2 字符切割

三、字符識(shí)別

3.1.讀取文件

3.2.字符匹配

3.3.功能源碼

四、效果顯示

4.1 功能源碼

4.2 效果顯示

五、源碼

5.1 hpp文件

5.2 cpp文件

5.3 main文件

總結(jié)

相關(guān)文章

最新評(píng)論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具

国产无遮挡裸体免费直播视频,久久精品国产蜜臀av,动漫在线视频一区二区,欧亚日韩一区二区三区,久艹在线免费视频,国产精品美女网站免费,正在播放 97超级视频在线观看,斗破苍穹年番在线观看免费,51最新乱码中文字幕

一、獲取模板圖像

四、效果顯示