给企业做网站前景,有网站做淘宝客,百度网页版进入,一个营销型网站模板文章目录 一、案例实现的整体思路二、代码实现1.首先定义两个函数2.模板图像中数字的定位处理3.身份证号码数字的定位处理4.使用模板匹配#xff0c;计算匹配得分#xff0c;找到正确结果 一、案例实现的整体思路
下面是一个数字0~9的模板图片 案例身份证如下#xff1a; 对… 文章目录 一、案例实现的整体思路二、代码实现1.首先定义两个函数2.模板图像中数字的定位处理3.身份证号码数字的定位处理4.使用模板匹配计算匹配得分找到正确结果 一、案例实现的整体思路
下面是一个数字0~9的模板图片 案例身份证如下 对数字模板的处理 通过对模板中的数字进行定位处理将每个数字的轮廓和外接矩形都一一对应并由小到大的排序再将每一个数字都对应一个模板并设置成相同的大小用于对身份证号码进行匹配并识别 对身份证的处理 确定出身份证中信息部分的轮廓确定出每个部分的外接矩形通过外接矩形的坐标关系确定出身份证号码区域对身份证号码区域的数字与模板数字做相同的处理最后将处理后的模板数字与处理后的身份证号码区域的数字进行模板匹配识别出对应的号码数字
二、代码实现
代码中会运用到轮廓检测与绘制和模板匹配可以参考以下链接中的内容进行理解 轮廓检测与绘制 https://blog.csdn.net/weixin_73504499/article/details/141873522?spm1001.2014.3001.5501 模板匹配 https://blog.csdn.net/weixin_73504499/article/details/141905861?spm1001.2014.3001.5501
1.首先定义两个函数 def cv_show用于绘图展示 def sort_contours用于对模板数字的排序 绘图展示函数
def cv_show(name, img):cv2.imshow(name, img)cv2.waitKey(0)用于对模板数字的排序的函数
# sort_contours() 函数传入的参数
# cnts包含所有数字轮廓的列表
# methodleft-to-right排序的反向
# cv2.boundingRect() 函数用于绘制轮廓的最小外接矩形
# 返回一个包含四个值的元组(x, y, w, h)分别代表边界框左上角的x坐标、y坐标、宽度和高度
# 通过每个数字外接接矩形框的左上角点的x和y坐标的大小对每个模板数字进行排序
def sort_contours(cnts, methodleft-to-right):reverse Falsei 0if method right-to-left or method bottom-to-top:reverse Trueif method top-to-bottom or method bottom-to-top:i 1boundingBoxes [cv2.boundingRect(c) for c in cnts](cnts, boundingBoxes) zip(*sorted(zip(cnts, boundingBoxes),keylambda b: b[1][i], reversereverse))# zip(*...)使用星号操作符解包排序后的元组列表并将其重新组合成两个列表:一个包含所有轮廓另一个包含所有边界框。# 返回梳理轮廓和外接矩形return cnts, boundingBoxes2.模板图像中数字的定位处理
代码如下# 读取模板图片
img cv2.imread(template.png)
cv_show(img, img)
# 转换为灰度图
gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换为灰度图
cv_show(gray, gray)
# 转换为二值化图
ref cv2.threshold(gray, 155, 255, cv2.THRESH_BINARY_INV)[1] # 再转换为二值图像
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.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, refCnts, -1, (0, 0, 255), 2)
cv_show(img, img)refCnts sort_contours(refCnts, methodleft-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# 计算外接矩形并且resize成合适大小(x, y, w, h) cv2.boundingRect(c)roi ref[y - 2:y h 2, x - 2:x w 2] # 适当增加一点外接矩形框的大小roi cv2.resize(roi, (57, 88)) # 缩放到指定的大小# cv2.bitwise_not() 位非操作:反转图像中每个像素的位值即将白色变为黑色黑色变为白色,# 对于灰度图像较亮的像素会变暗较暗的像素会变亮。roi cv2.bitwise_not(roi)cv_show(roi, roi)digits[i] roi # 每一个数字对应每一个模板结果如下 处理后的每一个数字模板如下所示
3.身份证号码数字的定位处理 代码如下 # 读取身份证照片
image cv2.imread(sfz.jpg)
cv_show(image, image)
# 转换为灰度图
gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv_show(gray, gray)
# 转换为二值图
ref cv2.threshold(gray, 120, 255, cv2.THRESH_BINARY_INV)[1]
cv_show(ref, ref)# 计算轮廓
t_, threshCnts, h cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts threshCnts
cur_img image.copy()
# 画出轮廓
cv2.drawContours(cur_img, cnts, -1, (0, 0, 255), 2)
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):# 算出所有轮廓的外接矩形(x, y, w, h) cv2.boundingRect(c)# 通过每个号码数字外接矩形的y轴坐标的大小和x轴坐标的大小来确定号码数字的区域if (y 330 and y 360) and x 220:locs.append((x, y, w, h)) # 将符合的数字轮廓信息都添加到locs列表中因为经过cv2.boundingRect() 外接矩形框后的数字顺序是乱的
通过每个数字外接矩形框的左上角顶点的x坐标的大小进行重新排序
恢复到原身份证号码的数字顺序locs sorted(locs, keylambda x: x[0])# 将身份证号码数字进行与模板数字相同的操作
output []
for (i, (gX, gY, gW, gH)) in enumerate(locs):group gray[gY - 2:gY gH 2, gX - 2:gX gW 2]cv_show(group, group)# 预处理group cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]cv_show(group, group)# 将每个数字都设置成与数字模板中每个数字的大小相同roi cv2.resize(group, (57, 88))cv_show(roi, roi)结果如下 身份证号码每一个数字处理后的效果如下
4.使用模板匹配计算匹配得分找到正确结果 代码如下: # 定义scores空列表用于存放所有的匹配得分scores []# 定义groupOutput空列表用于存放匹配后的每一个正确的号码数字groupOutput []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)# 通过找到最大的匹配得分来确定出正确的号码数字groupOutput.append(str(np.argmax(scores)))# 将每个数字用外接矩形框画出来cv2.rectangle(image, (gX - 5, gY - 5), (gX gW 5, gY gH 5), (0, 0, 255), 1)# 将匹配到的数字在身份证号码的上方写出来# 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)# 在output空列表中添加正确的身份证号码output.extend(groupOutput)# 打印出身份证号码
print(Credit Card #:{}.format(.join(output)))
# 显示身份证图片匹配后的结果图
cv_show(Image, image)
cv2.waitKey(0)
cv2.destroyAllWindows()结果如下 完整代码如下 import numpy as np
import cv2def cv_show(name, img):cv2.imshow(name, img)cv2.waitKey(0)def sort_contours(cnts, methodleft-to-right):reverse Falsei 0if method right-to-left or method bottom-to-top:reverse Trueif method top-to-bottom or method bottom-to-top:i 1boundingBoxes [cv2.boundingRect(c) for c in cnts](cnts, boundingBoxes) zip(*sorted(zip(cnts, boundingBoxes),keylambda b: b[1][i], reversereverse))# zip(*...)使用星号操作符解包排序后的元组列表并将其重新组合成两个列表:一个包含所有轮廓另一个包含所有边界框。return cnts, boundingBoxes------模板图像中数字的定位处理------
# 读取模板图片
img cv2.imread(template.png)
cv_show(img, img)
# 转换为灰度图
gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换为灰度图
cv_show(gray, gray)
# 转换为二值化图
ref cv2.threshold(gray, 155, 255, cv2.THRESH_BINARY_INV)[1] # 再转换为二值图像
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.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 画出轮廓
cv2.drawContours(img, refCnts, -1, (0, 0, 255), 2)
cv_show(img, img)refCnts sort_contours(refCnts, methodleft-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# 计算外接矩形并且resize成合适大小(x, y, w, h) cv2.boundingRect(c)roi ref[y - 2:y h 2, x - 2:x w 2] # 适当增加一点外接矩形框的大小roi cv2.resize(roi, (57, 88)) # 缩放到指定的大小# cv2.bitwise_not() 位非操作:反转图像中每个像素的位值即将白色变为黑色黑色变为白色,# 对于灰度图像较亮的像素会变暗较暗的像素会变亮。roi cv2.bitwise_not(roi)cv_show(roi, roi)digits[i] roi # 每一个数字对应每一个模板
# cv2.destroyAllWindows() 身份证号码数字的定位处理
# 读取身份证照片
image cv2.imread(sfz.jpg)
cv_show(image, image)
# 转换为灰度图
gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv_show(gray, gray)
# 转换为二值图
ref cv2.threshold(gray, 120, 255, cv2.THRESH_BINARY_INV)[1]
cv_show(ref, ref)# 计算轮廓
t_, threshCnts, h cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts threshCnts
cur_img image.copy()
# 画出轮廓
cv2.drawContours(cur_img, cnts, -1, (0, 0, 255), 2)
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):# 算出所有轮廓的外接矩形(x, y, w, h) cv2.boundingRect(c)# 通过每个号码数字外接矩形的y轴坐标的大小和x轴坐标的大小来确定号码数字的区域if (y 330 and y 360) and x 220:locs.append((x, y, w, h)) # 将符合的数字轮廓信息都添加到locs列表中因为经过cv2.boundingRect() 外接矩形框后的数字顺序是乱的
通过每个数字外接矩形框的左上角顶点的x坐标的大小进行重新排序
恢复到原身份证号码的数字顺序locs sorted(locs, keylambda x: x[0])# 将身份证号码数字进行与模板数字相同的操作
output []
for (i, (gX, gY, gW, gH)) in enumerate(locs):group gray[gY - 2:gY gH 2, gX - 2:gX gW 2]cv_show(group, group)# 预处理group cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]cv_show(group, group)# 将每个数字都设置成与数字模板中每个数字的大小相同roi cv2.resize(group, (57, 88))cv_show(roi, roi) 使用模板匹配计算匹配得分找到正确结果 # 定义scores空列表用于存放所有的匹配得分scores []# 定义groupOutput空列表用于存放匹配后的每一个正确的号码数字groupOutput []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)# 通过找到最大的匹配得分来确定出正确的号码数字groupOutput.append(str(np.argmax(scores)))# 将每个数字用外接矩形框画出来cv2.rectangle(image, (gX - 5, gY - 5), (gX gW 5, gY gH 5), (0, 0, 255), 1)# 将匹配到的数字在身份证号码的上方写出来# 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)# 在output空列表中添加正确的身份证号码output.extend(groupOutput)# 打印出身份证号码
print(Credit Card #:{}.format(.join(output)))
# 显示身份证图片匹配后的结果图
cv_show(Image, image)
cv2.waitKey(0)
cv2.destroyAllWindows()
