最後の失敗の後、私は今回賢くなることを学びました。
私は自分で物を作ることはできません。それは何でもありません。私は他の人をフォローし、他の人のコードをかじり、他の人から学びます。
そのため、今回は銀行カード番号の認識にpythonを使用します。
言うことはあまりありません、始めましょう！
import cv2
import numpy as np
描画機能を定義する
def imshow（name、img）：
cv2.imshow（name、img）
cv2.waitKey（0）
cv2.destroyAllWindows（）
1
2
3
4
5
6
7
8
cv2.imshow（）画像と組み合わせたパンチのセットを描画します。私たち若者は、化学的な髪を受け取った後はそれを我慢できません。まず、機能パッケージを定義しましょう。
テンプレート画像を読む
0は、シングルチャネル画像、つまりグレースケール画像として読み取ることができることを意味します。
ref = cv2.cvtColor（img_num、cv2.COLOR_BGR2GRAY）をグレースケールに変換
img_num = cv2.imread（ '画像/ ocr_a_reference.png'、0）
関数imshow（ 'img_num'、img_num）
1
2
3
4
5
ここで挿入画像の説明
バイナリイメージに変換
cv2.threshold（入力画像、しきい値、割り当て、メソッド）ここで、メソッドは、しきい値より高い場合は0、しきい値より低い場合は255です。
cv2.thresholdは2つの値を返します2番目の値は必要な処理済み画像です
img_num_bin = cv2.threshold（img_num、10,255、cv2.THRESH_BINARY_INV）[1]
imshow（ 'img_num_bin'、img_num_bin）
1
2
3
4次の銀行カード番号は白になり、白に変換さ
れる
ため、ここに画像の説明を挿入します後続のテンプレートマッチングを容易にするための黒い背景
輪郭抽出
cv2.findContours（）関数で受け入れられるパラメーターはバイナリイメージです。つまり、白黒（グレースケールではない）です。cv2.RETR_EXTERNALは外側の輪郭のみを検出し、cv2.CHAIN_APPROX_SIMPLEは終点の座標のみを保持します。
返されるリストの各要素は、画像のアウトラインです。
num_cntsリスト、 = cv2.findContours（img_num_bin.copy（）、cv2.RETR_EXTERNAL、cv2.CHAIN_APPROX_SIMPLE）
cv2.drawContours（img_num_bin、num_cnts_list、-1、（0,0,255）、3）
imshow_num（ 'img_num）
1
2
3
4
5
ここに挿入し
た絵の輪郭は表示されていませんが、コントラストが狭くなっていますが、輪郭が自動的に黒くなったためですか？とりあえず、気にしないでください。そうすれば、各アウトラインを丸で囲む必要があります。そうすれば、いつ見るかがわかります。
輪郭の並べ替え
num_rect_list = num_cnts_sort（num_cnts_list）
1
num_cnts_sortは、輪郭を並べ替えて特定の順序で返すカスタム関数です。
def num_cnts_sort（list、right = 1、up = 0）：
up = 1は上から下、right = 1は左から右、-1はその逆を意味します。
reverse = False
if up==-1 or right== -1:
reverse = True
if up == 0:
# 左右方向排序 权重选x
i = 0
if right == 0:
i = 1
# 找到的轮廓用外接矩形框起来 cv2.boundingRect(c)返回x,y,w,h
boundingBoxs = [cv2.boundingRect(c) for c in list] #生成器
# sorted(输入序列，排序规则，reverse=True 由小到大否则由大到小）
# lambda 匿名函数 输入序列的每个元素 输出b[i]
boxs = sorted(boundingBoxs,key= lambda b: b[i],reverse=reverse )
return boxs1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
順番に矩形を外接各輪郭を描き
num_rect_listのnum_rectの場合：
（x、y、w、h）= num_rect
num_rect_img = cv2.rectangle（img_num_bin.copy（）、（x、y）、（x + w、y + h）、（255,0,0 ）、2）
imshow（ 'num_rect_img'、num_rect_img）
1
2
3
4
5
ここに画像の説明を挿入して
並べ替えても問題ありません。次に、対応するデジタルテンプレートを番号に対応するように切り取ります。
写真を数字に合わせる
num_rect_dic = {}
for（i、num_rect）in enumerate（num_rect_list）：(
x、y、w、h）= num_rect
num_rect_item = img_num_bin[y:y+h,x:x+w]
num_rect_item = num_resize(num_rect_item,h_size=88)
# 把数字和截下来的图像对应
num_rect_dic[i]=num_rect_item
imshow('num_rect_item', num_rect_item)1
2
3
4
5
6
7
8
9
10
num_resizeはカスタム関数です。高さまたは幅を入力して、ズームを自動的に計算します
def num_resize（img、w_size = 0、h_size = 0）：(
w、h）= img.shape＃size戻る回总要素A数和matlab不一的
if w_size == 0：
r = h_size / float（h）
w_size = INT（R H）
であればh_size == 0：
R = w_size /フロート（W）
h_size = INT（W H）
リサイズ= cv2.resize（IMG、（w_size、h_size））
リサイズリターン
1
2
3
4
5
6
7
8
9
10
11
銀行カードの画像前処理の対
銀行カード画像の前処理
画像を読む
bank_img = cv2.imread（ 'images / credit_card_01.png'）
bank_img_gray = cv2.cvtColor（bank_img、cv2.COLOR_BGR2GRAY）
imshow（ 'bank_img'、bank_img）
imshow（ 'bank_img_gray'、bank_img_gray）
畳み込みカーネルを定義する
rectKernel = cv2.getStructuringElement（cv2.MORPH_RECT、（9、3））＃長方形の畳み込みカーネル
sqKernel = cv2.getStructuringElement（cv2.MORPH_RECT、（5,5））
トップハット操作は明るい部分を強調します
bank_img_tophat = cv2.morphologyEx（bank_img_gray、cv2.MORPH_TOPHAT、rectKernel）
関数imshow（ 'bank_img_tophat'、bank_img_tophat）
1
2
3
4
5
6
7
8
9
10
11
12
13
14
インサート
の水平線画像記述番号ここでは、私が考える、暗すぎます二値化を実行する場合は、適切なパラメータを選択するか、エッジ検出を実行します。
エッジ検出
X方向エッジ検出処理
bank_img_grad = cv2.Sobel（bank_img_tophat、cv2.CV_32F、1,0、ksize = -1）
imshow（ 'bank_img_tophat'、bank_img_grad）
正規化
bank_img_grad_abs = np.absolute（bank_img_grad）
（max、min）=（np.max（bank_img_grad_abs）、np.min（bank_img_grad_abs））
bank_img_grad_abs =（255 *（bank_img_grad_abs-min）/（max-min））
bank_img_grad_ab astype（ 'uint8'）
imshow（ 's'、bank_img_grad_abs）
二値化cv2.THRESH_OTSUは、二値化の適切なしきい値を選択しますcv2.thresholdは2つの要素を返し、2番目は処理された画像です
bank_img_bin = cv2.threshold（bank_img_grad_abs、0、255、cv2.THRESH_BINARY | cv2.THRESH_OTSU）[1]
imshow（ 's'、bank_img_bin）