信用卡数字识别：基于OpenCV的模板匹配方法

www_pp_

已于 2025-04-07 14:00:46 修改

阅读量419

点赞数 5

文章标签： opencv 人工智能计算机视觉

于 2025-03-22 09:56:29 首次发布

本文链接：https://blog.youkuaiyun.com/www_pp_/article/details/146428389

版权

信用卡数字识别：基于OpenCV的模板匹配方法

在计算机视觉领域，图像识别技术有着广泛的应用，其中之一就是对信用卡数字的识别。本文将介绍如何使用Python和OpenCV库实现一个简单的信用卡数字识别系统。该系统通过模板匹配的方式，识别信用卡上的数字，并判断信用卡类型。

1. 项目背景与目标

信用卡在现代生活中扮演着重要角色，而自动识别信用卡上的数字对于许多应用场景（如自助服务终端、在线支付等）具有重要意义。传统的OCR（光学字符识别）技术虽然可以用于数字识别，但在一些特定场景下，模板匹配方法可能更加高效和准确。本文的目标是实现一个基于模板匹配的信用卡数字识别系统，能够准确识别信用卡上的数字，并判断其类型。

2. 技术栈

Python：作为主要的编程语言，因其强大的库支持和简洁的语法，非常适合进行图像处理和机器学习任务。
OpenCV：一个开源的计算机视觉库，提供了大量的图像处理和计算机视觉功能。
NumPy：用于高效的数值计算，是处理图像数据的常用库。
argparse：用于解析命令行参数，方便用户指定输入图像和模板图像的路径。

3. 实现步骤

3.1 准备工作

在开始之前，需要安装必要的Python库。可以通过以下命令安装：

pip install numpy opencv-python imutils

3.2 模板图像处理

模板图像是包含从0到9数字的标准图像，我们将使用它来提取数字模板。以下是模板图像处理的代码：

import numpy as np
import cv2
import argparse
import myutils
''' 
-i card1.png
-t kahao.png
'''
# 设置參数
ap = argparse.ArgumentParser()
ap.add_argument("-i","--image", required=True,
                help="path to input image")
ap.add_argument("-t", "--template", required=True,
                help="path to template OCR-A image")
args = vars(ap.parse_args())  # vars()是Python中的一个内置函数，用于返回对象的属性和值的字典。
# 指定信用卡类型
FIRST_NUMBER ={"3": "American Express",
               "4": "Visa",
               "5": "MasterCard",
               "6": "Discover Card"}
def cv_show(name, img): #绘图展示
    cv2.imshow(name,img)
    cv2.waitKey(0)



'''模板图像中数字的定位处理'''
img = cv2.imread(args["template"])
cv_show('img', img)
ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 灰度图
cv_show('ref', ref)
ref = cv2.threshold(ref, 10, 255, cv2.THRESH_BINARY_INV)[1]
cv_show('ref', ref)
# 计算轮廓：cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度图）,
#   cv2.RETR_EXTERNAL只检测外轮廓，cv2.CHAIN_APPROX_SIMPLE只保留终点坐标
_,refCnts, hierarchy = cv2.findContours(ref, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, refCnts, -1, (0, 0, 255), 3)
cv_show('img', img)
refCnts = myutils.sort_contours(refCnts, method="left-to-right")[0] # 排序，从左到右，从上到下
digits = {}  # 保存模板中每个数字对应的像素值
for (i,c) in enumerate(refCnts): # 遍历每一个轮廓
    (x, y, w, h) = cv2.boundingRect(c) # 计算外接矩形并且resize成合适大小
    roi = ref[y:y + h, x:x + w]
    roi = cv2.resize(roi, (57, 88)) # 缩放到指定的大小
    cv_show('ro',roi)
    digits[i] = roi  # 每一个数字对应每一个模板
print(digits)

3.3 信用卡图像处理

接下来，我们将对输入的信用卡图像进行处理，提取数字区域，并使用模板匹配进行识别。

# 读取输入图像，预处理
image = cv2.imread(args["image"])
cv_show('image', image)
image = myutils.resize(image, width=300) # 设置图像的大小
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv_show('gray',gray)
# 顶帽操作，突出图像中的亮细节，清除背景图，原因是背景颜色变化小，不被腐蚀掉。
rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3))  # 初始化卷积核
sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))  #
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)  # 顶帽 = 原始图像 - 开运算结果(先腐蚀后膨胀)
open = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)  # 顶帽 = 原始图像 - 开运算结果(先腐蚀后膨胀)
cv_show('open', open)
cv_show('tophat', tophat)
# '''找到数字边框'''
# 1、通过闭操作（先膨胀，再腐蚀）将数字连在一起
closeX = cv2.morphologyEx(tophat, cv2.MORPH_CLOSE, rectKernel)
cv_show('gradX', closeX)
# THRESH_OTSU会自动寻找合适的阈值，适合双峰，需把阈值参数设置为0
thresh = cv2.threshold(closeX, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
cv_show('thresh', thresh)
# 再来一个闭操作
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE,sqKernel)
cv_show('thresh1', thresh)
# 计算轮廓
_, threshCnts, h = 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)
# 遍历轮廓,找到数字部分像素区域
locs = []
for (i, c) in enumerate(cnts):
    (x, y, w, h)=cv2.boundingRect(c)  # 计算外接矩形
    ar = w / float(h)

    if ar > 2.5 and ar < 4.0:
        if (w > 40 and w < 55) and (h >10 and h < 20): #符合的留下米
            locs.append((x, y, w, h))
# 将符合的轮廓从左到右排序
locs = sorted(locs, key=lambda x: x[0])
output = []
#遍历每一个轮廓中的数字
for (i, (gX, gY, gW, gH)) in enumerate(locs):
    groupOutput = []
    group = gray[gY - 5:gY + gH + 5, gX - 5:gX + gW + 5]
    cv_show('group', group)
    #预处理
    group = cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
    cv_show('group', group)
    # 计算每一组的轮廓
    group_, digitCnts, hierarchy = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL,
                                                    cv2.CHAIN_APPROX_SIMPLE)
    digitCnts = myutils.sort_contours(digitCnts, method="left-to-right")[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，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)

        '''使用模板匹配，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
            result = cv2.matchTemplate(roi, digitROI, cv2.TM_CCOEFF)
            (_, score, _, _) = cv2.minMaxLoc(result)
            scores.append(score)

        # 得到最合适的数字
        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()是OpenCV库中的一个函数，用于在图像上添加文本
    cv2.putText(image, "".join(groupOutput), (gX, gY - 15), cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)
    output.extend(groupOutput)  # 得到结果  将一个列表的元素添加到另一个列表的末尾。


#打印结果
print("Credit Card Type: {}".format(FIRST_NUMBER[output[0]]))
print("Credit Card #: {}".format("".join(output)))
cv2.imshow("Image", image)
cv2.waitKey(0)