项目地址 (opens new window)

# 简介：

银行卡识别、练手项目、图像识别、OCR

# 1. 在 ocr_template_match.py 中计算模板数字 0~9 的轮廓，并保存备用

# 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
# 返回的list中每个元素都是图像中的一个轮廓
# ref_, refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 特判 refCnts > 0, 防止
if len(refCnts) > 0:
    # 绘制轮廓
    cv2.drawContours(img, refCnts, -1, (0, 0, 255), 3)
    cv_show('img', img)
else:
    print("No contours found.")
# print(len(refCnts))
# 输出 1，并不为 null
# cv2.drawContours(img,refCnts,-1,(0,0,255),3)
# cv_show('img',img)
# 打印维度值 "shape" 通常是指多维数组或矩阵的维度和大小
# 一维数组的 "shape" 是 (n,)，其中 n 表示数组中元素的数量。
# (10, ) 表示
shapes = [np.array(cnt).shape for cnt in refCnts]
print(shapes)
print(np.array(shapes).shape)
# print(len(refCnts))
# ValueError: setting an array element with a sequence. 
# The requested array has an inhomogeneous shape after 1 dimensions.
# The detected shape was (10,) + inhomogeneous part.
# print(np.array(refCnts).shape)
# 排序，从左到右，从上到下 (为了将 0 ~ 9 进行区分，返回排序完的轮廓)
refCnts = myutils.sort_contours(refCnts, method="left-to-right")[0]

# 2. 在 ocr_template_match.py 中计算银行卡号轮廓后，做模板匹配

# 遍历每一个轮廓中的数字
for (i, (gX, gY, gW, gH)) in enumerate(locs):
    # initialize the list of group digits
    groupOutput = []
    # 输出每个轮廓的 x, y, w, h
    # print(gX)
    # print(gY)
    # print(gW)
    # print(gH)
    # 将一组数据的轮廓扩大 5 个单位
    # 根据坐标提取每一个组
    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, hierarchy = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL,
        cv2.CHAIN_APPROX_SIMPLE)
    digitCnts = contours.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 是单个数字的坐标和长宽
        (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)
        # 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(image, "".join(groupOutput), (gX, gY - 15),
        cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)
    # 得到结果
    output.extend(groupOutput)
# 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)

# 3. 效果展示

example