本篇内容主要讲解“Python OpenCV卡号识别如何识别”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python OpenCV卡号识别如何识别”吧!
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。
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。
具体代码如下：
import cv2 as cvimport 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。
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)
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。
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)
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)
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)
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))
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))
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)
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)
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
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 cvimport osdef 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。
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。
到此，相信大家对“Python OpenCV卡号识别如何识别”有了更深的了解，不妨来实际操作一番吧！这里是编程网网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
