这篇文章主要介绍了如何使用OpenCVC++实现银行卡号识别功能，文中的示例代码讲解详细，对我们学习OpenCV有一定帮助，需要的可以参考一下
前言
本文将使用OpenCV C++ 进行银行卡号识别。主要步骤可以细分为：
1、 获取模板图像
2、银行卡号区域定位
3、字符切割
4、模板匹配
5、效果显示
接下来就具体看看是如何一步步实现的吧。
一、获取模板图像
如图所示，这是我们的模板图像。我们需要将上面的字符一一切割出来保存，以便进行后续的字符匹配环节。先进行图像灰度、阈值等操作进行轮廓提取，这里就不再细说。这里我想说的是，由于经过轮廓检索，提取出来的字符并不是按（0、1、2…7、8、9）顺序排列，所以，在这里我自定义了一个Card结构体，用于图像排序。具体请看源码。
1.1 功能效果
如图为顺序切割出来的模板字符。
1.2 功能源码
bool Get_Template(Mat temp, vector<Card>&Card_Temp)
{
//图像预处理
Mat gray;
cvtColor(temp, gray, COLOR_BGR2GRAY);
Mat thresh;
threshold(gray, thresh, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);
//轮廓检测
vector <vector<Point>> contours;
findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
for (int i = 0; i < contours.size(); i++)
{
Rect rect = boundingRect(contours[i]);
double ratio = double(rect.width) / double(rect.height);
//筛选出字符轮廓
if (ratio > 0.5 && ratio < 1)
{
/*rectangle(temp, rect, Scalar(0, 255, 0));*/
Mat roi = temp(rect); //将字符扣出，放入Card_Temp容器备用
Card_Temp.push_back({ roi ,rect });
}
}
if (Card_Temp.empty())return false;
//进行字符排序，使其按（0、1、2...7、8、9）顺序排序
for (int i = 0; i < Card_Temp.size()-1; i++)
{
for (int j = 0; j < Card_Temp.size() - 1 - i; j++)
{
if (Card_Temp[j].rect.x > Card_Temp[j + 1].rect.x)
{
Card temp = Card_Temp[j];
Card_Temp[j] = Card_Temp[j + 1];
Card_Temp[j + 1] = temp;
}
}
}
return true;
}二、银行卡号定位
如图所示，这是本案例需要识别的银行卡。从图中可以看出，我们需要将银行卡号切割出来首先得将卡号分为4个小块切割，之后再需要将每一小块上的字符切割。接下来一步步看是如何操作的。
2.1 将银行卡号切割成四块
首先第一步得先进行图像预处理，通过灰度、二值化、形态学等操作提取出卡号轮廓。这里的图像预处理需要根据图像特征自行确定，并不是所有的步骤都是必须的，我们最终的目的是为了定位银行卡号所在轮廓位置。这里我使用的是二值化、以及形态学闭操作。
//形态学操作、以便找到银行卡号区域轮廓
Mat gray;
cvtColor(src, gray, COLOR_BGR2GRAY);
Mat gaussian;
GaussianBlur(gray, gaussian, Size(3, 3), 0);
Mat thresh;
threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU);
Mat close;
Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5));
morphologyEx(thresh, close, MORPH_CLOSE, kernel2);经过灰度、阈值、形态学操作后的图像如下图所示。我们已经将银行卡号分为四个小矩形块，接下来只需通过轮廓查找、筛选就可以扣出这四个ROI区域了。
vector<vector<Point>>contours;
findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
for (int i = 0; i < contours.size(); i++)
{
//通过面积、长宽比筛选出银行卡号区域
double area = contourArea(contours[i]);
if (area > 800 && area < 1400)
{
Rect rect = boundingRect(contours[i]);
float ratio = double(rect.width) / double(rect.height);
if (ratio > 2.8 && ratio < 3.1)
{
Mat ROI = src(rect);
Block_ROI.push_back({ ROI ,rect });
}
}
}
同理，我们需要将切割下来的小块按照它原来的顺序存储。
for (int i = 0; i < Block_ROI.size()-1; i++)
{
for (int j = 0; j < Block_ROI.size() - 1 - i; j++)
{
if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x)
{
Card temp = Block_ROI[j];
Block_ROI[j] = Block_ROI[j + 1];
Block_ROI[j + 1] = temp;
}
}
}
2.1.1 功能效果
2.1.2 功能源码
bool Cut_Block(Mat src, vector<Card>&Block_ROI)
{
//形态学操作、以便找到银行卡号区域轮廓
Mat gray;
cvtColor(src, gray, COLOR_BGR2GRAY);
Mat gaussian;
GaussianBlur(gray, gaussian, Size(3, 3), 0);
Mat thresh;
threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU);
Mat close;
Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5));
morphologyEx(thresh, close, MORPH_CLOSE, kernel2);
vector<vector<Point>>contours;
findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
for (int i = 0; i < contours.size(); i++)
{
//通过面积、长宽比筛选出银行卡号区域
double area = contourArea(contours[i]);
if (area > 800 && area < 1400)
{
Rect rect = boundingRect(contours[i]);
float ratio = double(rect.width) / double(rect.height);
if (ratio > 2.8 && ratio < 3.1)
{
//rectangle(src, rect, Scalar(0, 255, 0), 2);
Mat ROI = src(rect);
Block_ROI.push_back({ ROI ,rect });
}
}
}
if (Block_ROI.size()!=4)return false;
for (int i = 0; i < Block_ROI.size()-1; i++)
{
for (int j = 0; j < Block_ROI.size() - 1 - i; j++)
{
if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x)
{
Card temp = Block_ROI[j];
Block_ROI[j] = Block_ROI[j + 1];
Block_ROI[j + 1] = temp;
}
}
}
//for (int i = 0; i < Block_ROI.size(); i++)
//{
// imshow(to_string(i), Block_ROI[i].mat);
// waitKey(0);
/
