C++ OpenCV實現銀行卡號識別功能

Posted on 2022-01-22 by WalkonNet

前言

本文將使用OpenCV C++ 進行銀行卡號識別。主要步驟可以細分為：

1、獲取模板圖像

2、銀行卡號區域定位

3、字符切割

4、模板匹配

5、效果顯示

接下來就具體看看是如何一步步實現的吧。

一、獲取模板圖像

如圖所示，這是我們的模板圖像。我們需要將上面的字符一一切割出來保存，以便進行後續的字符匹配環節。先進行圖像灰度、閾值等操作進行輪廓提取，這裡就不再細說。這裡我想說的是，由於經過輪廓檢索，提取出來的字符並不是按（0、1、2…7、8、9）順序排列，所以，在這裡我自定義瞭一個Card結構體，用於圖像排序。具體請看源碼。

1.1 功能效果

如圖為順序切割出來的模板字符。

1.2 功能源碼

bool Get_Template(Mat temp, vector<Card>&Card_Temp)
{
    //圖像預處理
    Mat gray;
    cvtColor(temp, gray, COLOR_BGR2GRAY);

    Mat thresh;
    threshold(gray, thresh, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);

    //輪廓檢測
    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);
        //篩選出字符輪廓
        if (ratio > 0.5 && ratio < 1)
        {
            /*rectangle(temp, rect, Scalar(0, 255, 0));*/
            Mat roi = temp(rect);  //將字符扣出，放入Card_Temp容器備用
            Card_Temp.push_back({ roi ,rect });
        }
    }

    if (Card_Temp.empty())return false;

    //進行字符排序，使其按（0、1、2...7、8、9）順序排序
    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、銀行卡號定位

如圖所示，這是本案例需要識別的銀行卡。從圖中可以看出，我們需要將銀行卡號切割出來首先得將卡號分為4個小塊切割，之後再需要將每一小塊上的字符切割。接下來一步步看是如何操作的。

2.1 將銀行卡號切割成四塊

首先第一步得先進行圖像預處理，通過灰度、二值化、形態學等操作提取出卡號輪廓。這裡的圖像預處理需要根據圖像特征自行確定，並不是所有的步驟都是必須的，我們最終的目的是為瞭定位銀行卡號所在輪廓位置。這裡我使用的是二值化、以及形態學閉操作。

 //形態學操作、以便找到銀行卡號區域輪廓
    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);

經過灰度、閾值、形態學操作後的圖像如下圖所示。我們已經將銀行卡號分為四個小矩形塊，接下來隻需通過輪廓查找、篩選就可以扣出這四個ROI區域瞭。

  vector<vector<Point>>contours;
    findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
    for (int i = 0; i < contours.size(); i++)
    {
        //通過面積、長寬比篩選出銀行卡號區域
        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，我們需要將切割下來的小塊按照它原來的順序存儲。

    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 功能源碼

bool Cut_Block(Mat src, vector<Card>&Block_ROI)
{
    //形態學操作、以便找到銀行卡號區域輪廓
    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++)
    {
        //通過面積、長寬比篩選出銀行卡號區域
        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);
    //}

    return true;
}

2.2 字符切割

由步驟2.1，我們已經將銀行卡號定位，且順序切割成四個小塊。接下來，我們隻需要將他們依次的將字符切割下來就可以瞭。其實切割字符跟上面的切割小方塊是差不多的，這裡就不再多說瞭。在這裡我著重要說明的是，切割出來的字符相對於銀行卡所在位置。

由步驟2.1，我們順序切割出來四個小方塊。以其中一個小方塊為例，當時我們存儲瞭rect變量，它表示該小方塊相對於圖像起點（X，Y），寬W，高H。而步驟2.2我們需要做的就是將這個小方塊的字符切割出來，那麼每一個字符相對於小方塊所在位置為起點（x,y），寬w，高h。所以，這些字符相當於銀行卡所在位置就是起點（X+x，Y+y），寬 (w），高（h）。具體請細看源碼。也比較簡單容易理解。

 //循環上面切割出來的四個小塊，將上面的字符一一切割出來。
    for (int i = 0; i < Block_ROI.size(); i++)
    {
        Mat roi_gray;
        cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY);

        Mat roi_thresh;
        threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU);

        vector <vector<Point>> contours;
        findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
        for (int j = 0; j < contours.size(); j++)
        {
            Rect rect = boundingRect(contours[j]);
            //字符相對於銀行卡所在的位置
            Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height);    
            Mat r_roi = Block_ROI[i].mat(rect);
            Slice_ROI.push_back({ r_roi ,roi_rect });        
        }
    }

同樣，在這裡我們也需要將切割出來的字符順序排序。即銀行卡上的號碼是怎樣排序的，我們就需要怎樣排序保存

    for (int i = 0; i < Slice_ROI.size() - 1; i++)
    {
        for (int j = 0; j < Slice_ROI.size() - 1 - i; j++)
        {
            if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x)
            {
                Card temp = Slice_ROI[j];
                Slice_ROI[j] = Slice_ROI[j + 1];
                Slice_ROI[j + 1] = temp;
            }
        }
    }

2.2.1 功能效果

如圖為順序切割出來的字符

2.2.2 功能源碼

bool Cut_Slice(vector<Card>&Block_ROI,vector<Card>&Slice_ROI)
{
    //循環上面切割出來的四個小塊，將上面的字符一一切割出來。
    for (int i = 0; i < Block_ROI.size(); i++)
    {
        Mat roi_gray;
        cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY);

        Mat roi_thresh;
        threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU);

        vector <vector<Point>> contours;
        findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
        for (int j = 0; j < contours.size(); j++)
        {
            Rect rect = boundingRect(contours[j]);
            //字符相對於銀行卡所在的位置
            Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height);    
            Mat r_roi = Block_ROI[i].mat(rect);
            Slice_ROI.push_back({ r_roi ,roi_rect });        
        }
    }

    if (Slice_ROI.size() != 16) return false;

    for (int i = 0; i < Slice_ROI.size() - 1; i++)
    {
        for (int j = 0; j < Slice_ROI.size() - 1 - i; j++)
        {
            if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x)
            {
                Card temp = Slice_ROI[j];
                Slice_ROI[j] = Slice_ROI[j + 1];
                Slice_ROI[j + 1] = temp;
            }
        }
    }

    //for (int i = 0; i < Slice_ROI.size(); i++)
    //{
    //    imshow(to_string(i), Slice_ROI[i].mat);
    //    waitKey(0);
    //}

    return true;
}

三、字符識別

3.1.讀取文件

如圖所示，為模板圖像對應的label。我們需要讀取文件，進行匹配。

bool ReadData(string filename, vector<int>&label)
{
    fstream fin;
    fin.open(filename, ios::in);
    if (!fin.is_open())
    {
        cout << "can not open the file!" << endl;
        return false;
    }

    int data[10] = { 0 };
    for (int i = 0; i < 10; i++)
    {
        fin >> data[i];
    }
    fin.close();

    for (int i = 0; i < 10; i++)
    {
        label.push_back(data[i]);
    }
    return true;
}

3.2.字符匹配

在這裡，我的思路是：使用一個for循環，將我們切割出來的字符與現有的模板一一進行匹配。使用的算法是圖像模板匹配matchTemplate。具體用法請大傢自行查找相關資料。具體請看源碼

3.3.功能源碼

bool Template_Matching(vector<Card>&Card_Temp,
    vector<Card>&Block_ROI, vector<Card>&Slice_ROI,
    vector<int>&result_index)
{
    for (int i = 0; i < Slice_ROI.size(); i++)
    {
        //將字符resize成合適大小，利於識別
        resize(Slice_ROI[i].mat, Slice_ROI[i].mat, Size(60, 80), 1, 1, INTER_LINEAR);

        Mat gray;
        cvtColor(Slice_ROI[i].mat, gray, COLOR_BGR2GRAY);

        int maxIndex = 0;
        double Max = 0.0;
        for (int j = 0; j < Card_Temp.size(); j++)
        {        
            resize(Card_Temp[j].mat, Card_Temp[j].mat, Size(60, 80), 1, 1, INTER_LINEAR);

            Mat temp_gray;
            cvtColor(Card_Temp[j].mat, temp_gray, COLOR_BGR2GRAY);

            //進行模板匹配，識別數字
            Mat result;
            matchTemplate(gray, temp_gray, result, TM_SQDIFF_NORMED);
            double minVal, maxVal;
            Point minLoc, maxLoc;

            minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);
            
            //得分最大的視為匹配結果
            if (maxVal > Max)
            {
                Max = maxVal;
                maxIndex = j; //匹配結果
            }
        }

        result_index.push_back(maxIndex);//將匹配結果進行保存
    }

    if (result_index.size() != 16)return false;

    return true;
}

四、效果顯示

4.1 功能源碼

bool Show_Result(Mat src, 
    vector<Card>&Block_ROI,
    vector<Card>&Slice_ROI, 
    vector<int>&result_index)
{
    //讀取label標簽
    vector<int>label;
    if (!ReadData("label.txt", label))return false;

    //將匹配結果進行顯示
    for (int i = 0; i < Block_ROI.size(); i++)
    {
        rectangle(src, Rect(Block_ROI[i].rect.tl(), Block_ROI[i].rect.br()), Scalar(0, 255, 0), 2);
    }
    for (int i = 0; i < Slice_ROI.size(); i++)
    {
        cout << label[result_index[i]] << " ";
        putText(src, to_string(label[result_index[i]]), Point(Slice_ROI[i].rect.tl()), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2);
    }

    imshow("Demo", src);
    waitKey(0);
    destroyAllWindows();

    return true;
}

4.2 效果顯示

如圖所示，為本案例最終的效果展示。

五、源碼

5.1 hpp文件

#pragma once
#include<opencv2/opencv.hpp>
#include<iostream>

struct Card
{
	cv::Mat mat;
	cv::Rect rect;
};

//獲取模板圖像
bool Get_Template(cv::Mat temp, std::vector<Card>&Card_Temp);

//將銀行卡卡號部分切成四塊
bool Cut_Block(cv::Mat src, std::vector<Card>&Block_ROI);

//將每一塊數字區域切分出單獨數字
bool Cut_Slice(std::vector<Card>&Block_ROI, std::vector<Card>&Slice_ROI);

//將數字與模板進行模板匹配
bool Template_Matching(std::vector<Card>&Card_Temp, 
	std::vector<Card>&Block_ROI,
	std::vector<Card>&Slice_ROI,
	std::vector<int>&result_index);

//顯示最終結果
bool Show_Result(cv::Mat src,
	std::vector<Card>&Block_ROI, 
	std::vector<Card>&Slice_ROI,
	std::vector<int>&result_index);

5.2 cpp文件

#include<iostream>
#include"CardDectection.h"
#include<fstream>
using namespace std;
using namespace cv;


bool Get_Template(Mat temp, vector<Card>&Card_Temp)
{
	//圖像預處理
	Mat gray;
	cvtColor(temp, gray, COLOR_BGR2GRAY);

	Mat thresh;
	threshold(gray, thresh, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);

	//輪廓檢測
	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);
		//篩選出字符輪廓
		if (ratio > 0.5 && ratio < 1)
		{
			/*rectangle(temp, rect, Scalar(0, 255, 0));*/
			Mat roi = temp(rect);  //將字符扣出，放入Card_Temp容器備用
			Card_Temp.push_back({ roi ,rect });
		}
	}

	if (Card_Temp.empty())return false;

	//進行字符排序，使其按（0、1、2...7、8、9）順序排序
	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;
			}
		}
	}

	//for (int i = 0; i < Card_Temp.size(); i++)
	//{
	//	imshow(to_string(i), Card_Temp[i].mat);
	//	waitKey(0);
	//}

	return true;
}



bool Cut_Block(Mat src, vector<Card>&Block_ROI)
{
	//形態學操作、以便找到銀行卡號區域輪廓
	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++)
	{
		//通過面積、長寬比篩選出銀行卡號區域
		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);
	//}

	return true;
}


bool Cut_Slice(vector<Card>&Block_ROI,vector<Card>&Slice_ROI)
{
	//循環上面切割出來的四個小塊，將上面的字符一一切割出來。
	for (int i = 0; i < Block_ROI.size(); i++)
	{
		Mat roi_gray;
		cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY);

		Mat roi_thresh;
		threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU);

		vector <vector<Point>> contours;
		findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
		for (int j = 0; j < contours.size(); j++)
		{
			Rect rect = boundingRect(contours[j]);
			//字符相對於銀行卡所在的位置
			Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height);	
			Mat r_roi = Block_ROI[i].mat(rect);
			Slice_ROI.push_back({ r_roi ,roi_rect });		
		}
	}

	if (Slice_ROI.size() != 16) return false;

	for (int i = 0; i < Slice_ROI.size() - 1; i++)
	{
		for (int j = 0; j < Slice_ROI.size() - 1 - i; j++)
		{
			if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x)
			{
				Card temp = Slice_ROI[j];
				Slice_ROI[j] = Slice_ROI[j + 1];
				Slice_ROI[j + 1] = temp;
			}
		}
	}

	//for (int i = 0; i < Slice_ROI.size(); i++)
	//{
	//	imshow(to_string(i), Slice_ROI[i].mat);
	//	waitKey(0);
	//}

	return true;
}

bool ReadData(string filename, vector<int>&label)
{
	fstream fin;
	fin.open(filename, ios::in);
	if (!fin.is_open())
	{
		cout << "can not open the file!" << endl;
		return false;
	}

	int data[10] = { 0 };
	for (int i = 0; i < 10; i++)
	{
		fin >> data[i];
	}
	fin.close();

	for (int i = 0; i < 10; i++)
	{
		label.push_back(data[i]);
	}
	return true;
}

bool Template_Matching(vector<Card>&Card_Temp,
	vector<Card>&Block_ROI, vector<Card>&Slice_ROI,
	vector<int>&result_index)
{
	for (int i = 0; i < Slice_ROI.size(); i++)
	{
		//將字符resize成合適大小，利於識別
		resize(Slice_ROI[i].mat, Slice_ROI[i].mat, Size(60, 80), 1, 1, INTER_LINEAR);

		Mat gray;
		cvtColor(Slice_ROI[i].mat, gray, COLOR_BGR2GRAY);

		int maxIndex = 0;
		double Max = 0.0;
		for (int j = 0; j < Card_Temp.size(); j++)
		{		
			resize(Card_Temp[j].mat, Card_Temp[j].mat, Size(60, 80), 1, 1, INTER_LINEAR);

			Mat temp_gray;
			cvtColor(Card_Temp[j].mat, temp_gray, COLOR_BGR2GRAY);

			//進行模板匹配，識別數字
			Mat result;
			matchTemplate(gray, temp_gray, result, TM_SQDIFF_NORMED);
			double minVal, maxVal;
			Point minLoc, maxLoc;

			minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);
			
			//得分最大的視為匹配結果
			if (maxVal > Max)
			{
				Max = maxVal;
				maxIndex = j; //匹配結果
			}
		}

		result_index.push_back(maxIndex);//將匹配結果進行保存
	}

	if (result_index.size() != 16)return false;

	return true;
}

bool Show_Result(Mat src, 
	vector<Card>&Block_ROI,
	vector<Card>&Slice_ROI, 
	vector<int>&result_index)
{
	//讀取label標簽
	vector<int>label;
	if (!ReadData("label.txt", label))return false;

	//將匹配結果進行顯示
	for (int i = 0; i < Block_ROI.size(); i++)
	{
		rectangle(src, Rect(Block_ROI[i].rect.tl(), Block_ROI[i].rect.br()), Scalar(0, 255, 0), 2);
	}
	for (int i = 0; i < Slice_ROI.size(); i++)
	{
		cout << label[result_index[i]] << " ";
		putText(src, to_string(label[result_index[i]]), Point(Slice_ROI[i].rect.tl()), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2);
	}

	imshow("Demo", src);
	waitKey(0);
	destroyAllWindows();

	return true;
}

5.3 main文件

#include<iostream>
#include"CardDectection.h"
using namespace std;
using namespace cv;

int main()
{

	Mat src = imread("card.png");   //源圖像 銀行卡
	Mat temp = imread("number.png"); //模板圖像

	if (src.empty() || temp.empty())
	{
		cout << "no image data !" << endl;
		system("pause");
		return -1;
	}

	vector<Card>Card_Temp;
	if (!Get_Template(temp, Card_Temp))
	{
		cout << "模板切割失敗！" << endl;
		system("pause");
		return -1;
	}


	vector<Card>Block_ROI;
	if (Cut_Block(src, Block_ROI))
	{
		vector<Card>Slice_ROI;
		if (Cut_Slice(Block_ROI, Slice_ROI))
		{
			vector<int>result_index;
			if (Template_Matching(Card_Temp, Block_ROI, Slice_ROI, result_index))
			{
				Show_Result(src, Block_ROI, Slice_ROI, result_index);
			}
			else
			{
				cout << "識別失敗！" << endl;
				system("pause");
				return -1;
			}
		}
		else
		{
			cout << "切片失敗！" << endl;
			system("pause");
			return -1;
		}
	}
	else
	{
		cout << "切塊失敗！" << endl;
		system("pause");
		return -1;
	}

	system("pause");
	return 0;
}

總結

本文使用OpenCV C++進行銀行卡號識別，關鍵步驟有以下幾點。

1、銀行卡號定位。根據本案例中的銀行卡圖像特征，我們先將銀行卡號所在位置定位。根據圖像特征，我們可以將銀行卡號分為四個小方塊進行定位切割。

2、字符分割。根據前面得到的銀行卡號四個小方塊，我們需要將它們順序切割出每一個字符。

3、字符識別。我們將得到的字符與我們準備好的模板一一進行匹配。這裡使用的匹配算法是圖像模板匹配。

以上就是C++ OpenCV實現銀行卡號識別功能的詳細內容，更多關於C++ OpenCV銀行卡號識別的資料請關註WalkonNet其它相關文章！

C++ OpenCV實現銀行卡號識別功能

目錄

前言

一、獲取模板圖像

1.1 功能效果

1.2 功能源碼

二、銀行卡號定位

2.1 將銀行卡號切割成四塊

2.2 字符切割

三、字符識別

3.1.讀取文件

3.2.字符匹配

3.3.功能源碼

四、效果顯示

4.1 功能源碼

4.2 效果顯示

五、源碼

5.1 hpp文件

5.2 cpp文件

5.3 main文件

總結

推薦閱讀：

發佈留言取消回覆

近期文章

目錄

前言

一、獲取模板圖像

1.1 功能效果

1.2 功能源碼

二、銀行卡號定位

2.1 將銀行卡號切割成四塊

2.2 字符切割

三、字符識別

3.1.讀取文件

3.2.字符匹配

3.3.功能源碼

四、效果顯示

4.1 功能源碼

4.2 效果顯示

五、源碼

5.1 hpp文件

5.2 cpp文件

5.3 main文件

總結

推薦閱讀：

發佈留言 取消回覆

近期文章

標籤

發佈留言取消回覆