招商银行信用卡卡号识别项目（第一篇），Python OpenCV
Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 53 篇。
该系列文章导航参考：https://blog.csdn.net/hihell/category_10688961.html
学在前面
从本篇博客起，我们将实际完成几个小案例，第一个就是银行卡号识别，预计本案例将写 5 篇左右的博客才可以完成，一起加油吧。
本文的目标是最终获取一套招商银行卡，0~9 数字的图，对于下图的数字，我们需要提取出来，便于后续模板匹配使用。不过下图中找到的数字不完整，需要找到尽量多的卡片，然后补齐这些数字。
20210304134959294[1].png
提取卡片相关数字
先对上文中卡片中的数字进行相关提取操作，加载图片的灰度图，获取目标区域。在画板中模拟一下坐标区域，为了便于进行后续的操作。
20210304175041659[1].png
具体代码如下：
import cv2 as cv
import numpy as np
# 读取灰度图
src = cv.imread("./ka1.jpg", 0)
# 寻找卡号目标区域
roi = src[142:168, 42:360]
# cv.imshow("roi",roi)
获取到的图片如下，发现右侧边缘缺少一部分内容，对目标区域坐标进行微调。
20210304175256930[1].png
修改之后的代码如下，你如果使用的图片与橡皮擦不一致，注意进行修改。
# 寻找卡号目标区域
roi = src[142:168, 46:364]
cv.imshow("roi",roi)
20210304175438548[1].png
消除噪音，可以增加模糊卷积操作，分别测试均值模糊，中值模糊，高斯模糊效果。
# 模糊卷积操作
blur_roi = cv.blur(roi,(5,5))
cv.imshow("blur_roi",blur_roi)
med_roi = cv.medianBlur(roi,5)
cv.imshow("med_roi",med_roi)
gau_roi = cv.GaussianBlur(roi,(7,7),0)
cv.imshow("gau_roi",gau_roi)
测试不同的卷积核效果，选择一个合适的即可，我这里发现卷积核为 (7,7) 的时候，高斯模糊效果不错，可以去噪。
20210304180157993[1].png
接下来进行二值化操作。
# 对目标区域进行二值化操作
ret, thresh = cv.threshold(
gau_roi, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
cv.imshow("thresh", thresh)
20210304180741277[1].png
二值化处理完毕之后，发现还存在一些白色区域的点，需要去除掉，这里使用了形态学里面的腐蚀操作。
# 腐蚀
kernel = np.ones((3, 4), np.uint8)
dst = cv.erode(thresh, kernel=kernel)
20210304181149942[1].png
腐蚀之后在进行膨胀，让原有的数字区域变的明显，最后的图片是进行之后的效果，关于卷积核你可以自行调整。
# 腐蚀
kernel = np.ones((3, 4), np.uint8)
erode_dst = cv.erode(thresh, kernel=kernel)
cv.imshow("erode_dst", erode_dst)
# 膨胀
kernel = np.ones((4, 4), np.uint8)
dilate_dst = cv.dilate(erode_dst, kernel=kernel)
20210304181535870[1].png
下面进行外轮廓检测，检测之后发现恰好有 16 个轮廓，也就对应了 16 个数字区域。
# 检测外轮廓
# 只检测外轮廓
contours, hierarchy = cv.findContours(dilate_dst, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
print(len(contours))
20210304181754885[1].png
对轮廓面积进行一下输出，为了防止出现非目标区域，可以进行一下基本的判断，当罗阔面积大于 80 的时候才进行展示。
target_list = []
# 轮廓判断
for cnt in contours:
# 轮廓面积
area = cv.contourArea(cnt)
print(area)
if area > 79:
target_list.append(cnt)
print(len(target_list))
20210304182005861[1].png
有这些参数之后，就可以对灰度图进行裁切了，基于外接矩形获取目标区域，我直接做了循环展示。
for index, cnt in enumerate(target_list):
# 外接矩形
x, y, w, h = cv.boundingRect(cnt)
# 在二值化的图像上进行目标区域获取
c_roi = roi[y:y+h, x:x+w]
# 调整图像大小
# big_roi = cv.resize(c_roi, dsize=(0, 0), fx=2, fy=2)
# big_roi = cv.resize(c_roi, dsize=(0, 0))
cv.imshow("big_roi"+str(index), c_roi)
# cv.imwrite(f"./numbers/ka_{index}.png", big_roi)
2021030418294985[1].png
接下来放大图片对其进行保存即可，得到如下图片列表，至此，已经获取到 1、4、6、8 几个数字，下面在切换到另一张卡片，去获取其他数字即可，注意图片大小保持一致。
big_roi = cv.resize(c_roi, dsize=(42, 66))
# cv.imshow("c_roi"+str(index), c_roi)
cv.imwrite(f"./numbers/ka1_{index}.png", big_roi)
20210304210337194[1].png
新的图像注意调整目标区域，获取素材，已经获取到 1、2、4、5、6、7、8 几个数字
20210304210645735[1].png
反复迭代这个办法，知道 0~9 个数字获取完整，找到所有数字之后，对该文件夹中的所有文件进行二值化操作。
import cv2 as cv
import os
def walk_file(file):
for root, dirs, files in os.walk(file):
for f in files:
file = os.path.join(root, f)
# 读取灰度图
basename = os.path.basename(file)
filename = basename.split(".")[0]
src = cv.imread(file, 0)
ret, thresh = cv.threshold(src, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
# cv.imshow("thresh", thresh)
cv.imwrite(f"./numbers/001_{filename}_bit.png", thresh)
cv.waitKey()
cv.destroyAllWindows()
if __name__ == "__main__":
walk_file("./numbers")
二值化之后，挑选出比较清晰的数字即可，如果发现存在不清楚的，可以在寻找资源进行提取，银行里面 8 真的是太多了。
20210304212631901[1].png
橡皮擦最后调整之后，得到的结果如下所示，信用卡卡号识别的第一步算是准备好了。
2021030421294819[1].png
橡皮擦的小节
今天也碰到了一些问题，最难的问题，就是颜色相近，提取不出来前面的数字。
希望今天的 1 个小时（貌似不太够）你有所收获，我们下篇博客见~
相关阅读
技术专栏
