溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹了C++ OpenCV如何實現(xiàn)銀行卡號識別功能，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。
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保存，以便進行后續(xù)的字符匹配環(huán)節(jié)。先進行圖像灰度、閾值等操作進行輪廓提取，這里就不再細說。這里我想說的是，由于經(jīng)過輪廓檢索，提取出來的字符并不是按（0、1、2…7、8、9）順序排列，所以，在這里我自定義了一個Card結構體，用于圖像排序。具體請看源碼。
如圖為順序切割出來的模板字符。
bool Get_Template(Mat temp, vector<Card>&Card_Temp)
{
//圖像預處理
Mat gray;
cvtColor(temp, gray, COLOR_BGR2GRAY);
Mat thresh;
threshold(gray, thresh, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);
//輪廓檢測
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;
}
如圖所示，這是本案例需要識別的銀行卡。從圖中可以看出，我們需要將銀行卡號切割出來首先得將卡號分為4個小塊切割，之后再需要將每一小塊上的字符切割。接下來一步步看是如何操作的。
首先第一步得先進行圖像預處理，通過灰度、二值化、形態(tài)學等操作提取出卡號輪廓。這里的圖像預處理需要根據(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所在輪廓位置。這里我使用的是二值化、以及形態(tài)學閉操作。
//形態(tài)學操作、以便找到銀行卡號區(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)過灰度、閾值、形態(tài)學操作后的圖像如下圖所示。我們已經(jīng)將銀行卡號分為四個小矩形塊，接下來只需通過輪廓查找、篩選就可以扣出這四個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++)
{
//通過面積、長寬比篩選出銀行卡號區(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的小塊按照它原來的順序存儲。
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)學操作、以便找到銀行卡號區(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++)
{
//通過面積、長寬比篩選出銀行卡號區(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;
}由步驟2.1，我們已經(jīng)將銀行卡號定位，且順序切割成四個小塊。接下來，我們只需要將他們依次的將字符切割下來就可以了。其實切割字符跟上面的切割小方塊是差不多的，這里就不再多說了。在這里我著重要說明的是，切割出來的字符相對于銀行卡所在位置。
由步驟2.1，我們順序切割出來四個小方塊。以其中一個小方塊為例，當時我們存儲了rect變量，它表示該小方塊相對于圖像起點（X，Y），寬W，高H。而步驟2.2我們需要做的就是將這個小方塊的字符切割出來，那么每一個字符相對于小方塊所在位置為起點（x,y），寬w，高h。所以，這些字符相當于銀行卡所在位置就是起點（X+x，Y+y），寬 (w），高（h）。具體請細看源碼。也比較簡單容易理解。
//循環(huán)上面切割出來的四個小塊，將上面的字符一一切割出來。
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的字符順序排序。即銀行卡上的號碼是怎樣排序的，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)上面切割出來的四個小塊，將上面的字符一一切割出來。
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;
}
如圖所示，為模板圖像對應的label。我們需要讀取文件，進行匹配。
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;
}在這里，我的思路是：使用一個for循環(huán)，將我們切割出來的字符與現(xiàn)有的模板一一進行匹配。使用的算法是圖像模板匹配matchTemplate。具體用法請大家自行查找相關資料。具體請看源碼
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);
//進行模板匹配，識別數(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果
if (maxVal > Max)
{
Max = maxVal;
maxIndex = j; //匹配結果
}
}
result_index.push_back(maxIndex);//將匹配結果進行保存
}
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標簽
vector<int>label;
if (!ReadData("label.txt", label))return false;
//將匹配結果進行顯示
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;
}
如圖所示，為本案例最終的效果展示。
#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)域切分出單獨數(shù)字
bool Cut_Slice(std::vector<Card>&Block_ROI, std::vector<Card>&Slice_ROI);
//將數(shù)字與模板進行模板匹配
bool Template_Matching(std::vector<Card>&Card_Temp,
std::vector<Card>&Block_ROI,
std::vector<Card>&Slice_ROI,
std::vector<int>&result_index);
//顯示最終結果
bool Show_Result(cv::Mat src,
std::vector<Card>&Block_ROI,
std::vector<Card>&Slice_ROI,
std::vector<int>&result_index);#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
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)學操作、以便找到銀行卡號區(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++)
{
//通過面積、長寬比篩選出銀行卡號區(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)上面切割出來的四個小塊，將上面的字符一一切割出來。
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);
//進行模板匹配，識別數(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果
if (maxVal > Max)
{
Max = maxVal;
maxIndex = j; //匹配結果
}
}
result_index.push_back(maxIndex);//將匹配結果進行保存
}
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標簽
vector<int>label;
if (!ReadData("label.txt", label))return false;
//將匹配結果進行顯示
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;
}#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 << "識別失??！" << endl;
system("pause");
return -1;
}
}
else
{
cout << "切片失??！" << endl;
system("pause");
return -1;
}
}
else
{
cout << "切塊失??！" << endl;
system("pause");
return -1;
}
system("pause");
return 0;
}感謝你能夠認真閱讀完這篇文章，希望小編分享的“C++ OpenCV如何實現(xiàn)銀行卡號識別功能”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業(yè)資訊頻道，更多相關知識等著你來學習!
免責聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權內(nèi)容。
