Opencv学习笔记（1）---信用卡数字识别

最新推荐文章于 2024-05-13 22:22:22 发布

原创

最新推荐文章于 2024-05-13 22:22:22 发布 · 837 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#opencv

本文介绍了一个基于OpenCV的信用卡数字识别项目。项目分为六个步骤：读取模板图像并预处理；查找轮廓特征并排序；读取输入图像并预处理；获取轮廓并处理；对每个数字进行检测；最终显示结果。

Opencv学习笔记（1）—信用卡数字识别

记得当时看北大曹健老师的课，感觉他的“八股”写代码法很好，很多时候确实都是套路，所以就想总结下自己看到的套路，帮助自己巩固知识。
以下是自己学习模板匹配问题中结合事例的代码，认为常用的几个步骤

第一步读入模板图像—>转换为灰度图----->二值化图像

# 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(args["template"])
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)

第二步查找轮廓特征并画出轮廓（模板处理）

注意在查找轮廓的时候要传入二值图像的复制后的，即上面代码的ref.copy(),避免以后使用时影响

ref_, refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

cv2.drawContours(img,refCnts,-1,(0,0,255),3)
cv_show('img',img)
print (np.array(refCnts).shape) #打印轮廓的个数,调试使用

第三步编写轮廓排序函数

按照实际要求进行轮廓的排序，应该有的问题不需要这一步，这个信用卡识别为了把模板的0到9的数确保排序正确，进行了轮廓排序操作，同理其他问题由类似的就可以进行相同思路的轮廓排序函数的编写。排序后遍历每个轮廓，然后得到每个数字对应的模板。resize函数是让每个数字对应的模板大小进行合适的调节。

myutils.py文件：
sort_contours是轮廓排序函数
resize函数是调节函数

import cv2

def sort_contours(cnts, method="left-to-right"): 
    reverse = False
    i = 0

    if method == "right-to-left" or method == "bottom-to-top":
        reverse = True

    if method == "top-to-bottom" or method == "bottom-to-top":
        i = 1
    boundingBoxes = [cv2.boundingRect(c) for c in cnts] #用一个最小的矩形，把找到的形状包起来x,y,h,w
    (cnts, boundingBoxes) = zip(*