Python如何識別銀行卡卡號?

一、現有資源梳理

目前有一張卡號模板圖片

在這裡插入圖片描述

N張測試銀行卡圖片,其一如下

在這裡插入圖片描述

操作環境 win10-64位
代碼語言 Python 3.6

二、實現方案規劃

對模板操作,將十個模板和對應的數字一一對應起來

圖片中通過查找輪廓,然後繪制輪廓外界矩形的方式,將每一和數字分割出來,並和對應的數字相對應。以字典的形式保存
每一個模板都是這樣的形式存儲。

array([[ 0, 0, 0, 0, 0, 0, 0, 255, 255, 255, 255, 255, 255],
	 [ 0, 0, 0, 0, 0, 0, 0, 0, 255, 255, 255, 255, 255], 
	 [ 0, 0, 0, 0, 0, 0, 0, 0, 255, 255, 255, 255, 255], 
	 [255, 255, 255, 255, 0, 0, 0, 0, 255, 255, 255, 255, 255], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 255, 255, 255], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 255, 255, 255], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 255, 255, 255], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 255, 255, 255], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 255, 255, 255], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 255, 255, 255], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 255, 255, 255], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 255, 255, 255], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 0, 0, 0], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 0, 0, 0], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 0, 0, 0], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 0, 0, 0], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 0, 0, 0], 
	 [255, 255, 255, 255, 255, 0, 0, 0, 255, 255, 0, 0, 0], 
	 [255, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], 
	 [ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], 
	 [ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], 
	 [255, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 255, 255]], dtype=uint8)

對測試圖片操作,取得我們需要的,每個數字的像素 .

整個照片的幹擾信息很多,很難直接就定位到卡號位置,需要經過一系列的變換。
定位到卡號位置後,如何將每個卡號給提取出來,進行模板匹配,識別其數字。

1.輸入的圖片為RGB格式,需要轉換成GRAY格式,然後再將灰度形式的圖片進行二值化處理。

2.對於二值化處理之後的圖片進行Sobel濾波,將數字模糊,連接起來。

3.經過Sobel之後可能數字沒有連接在一起,所以執行閉操作將相鄰的數字連接起來,因為數字是橫向的,所以閉操作的核設置為[1,1,1,1,1,1,1,1,1]

4.通過查找輪廓和輪廓外接矩形的方式定位到連續數字區域。

5.通過連續數字區域分割出每一個數字,然後將每個數字和模板進行匹配,匹配結果最高的就是最有可能的數字。

三、代碼實現

工具包導入

from imutils import contours
import numpy as np
import argparse
import cv2
import myutils

路徑和繪圖函數及信用卡類型設定

# 模板圖片
template = 'images/ocr_a_reference.png'
# 測試圖片
image = 'images/credit_card_03.png'
# 指定信用卡類型
FIRST_NUMBER = {
	"3": "American Express",
	"4": "Visa",
	"5": "MasterCard",
	"6": "Discover Card"
}
# 繪圖展示
def cv_show(name,img):
	cv2.imshow(name, img)
	cv2.waitKey(0)
	cv2.destroyAllWindows()

模板處理

img = cv2.imread(template)
cv_show('img', img)
# 灰度圖
ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv_show('ref', ref)
# 二值圖像
ref = cv2.threshold(ref, 10, 255, cv2.THRESH_BINARY_INV)[1]
cv_show('ref', ref)

# 計算輪廓
#cv2.findContours()函數接受的參數為二值圖,即黑白的(不是灰度圖),cv2.RETR_EXTERNAL隻檢測外輪廓,cv2.CHAIN_APPROX_SIMPLE隻保留終點坐標
#返回的list中每個元素都是圖像中的一個輪廓

ref_, refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

cv2.drawContours(img, refCnts, -1, (0, 0, 255), 3)
cv_show('img', img)
print(np.array(refCnts).shape)
refCnts = myutils.sort_contours(refCnts, method="left-to-right")[0] #排序,從左到右,從上到下
digits = {}

# 遍歷每一個輪廓
for (i, c) in enumerate(refCnts):
	# 計算外接矩形並且resize成合適大小
	(x, y, w, h) = cv2.boundingRect(c)
	roi = ref[y:y + h, x:x + w]
	roi = cv2.resize(roi, (57, 88))

	# 每一個數字對應每一個模板
	digits[i] = roi
# print(digits)

測試圖片處理

# 初始化卷積核
rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3))
sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))

#讀取輸入圖像,預處理
image = cv2.imread(image)
cv_show('image',image)
image = myutils.resize(image, width=300)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv_show('gray',gray)

#禮帽操作,突出更明亮的區域
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel) 
cv_show('tophat',tophat) 
# 
gradX = cv2.Sobel(tophat, ddepth=cv2.CV_32F, dx=1, dy=0, #ksize=-1相當於用3*3的
	ksize=-1)


gradX = np.absolute(gradX)
(minVal, maxVal) = (np.min(gradX), np.max(gradX))
gradX = (255 * ((gradX - minVal) / (maxVal - minVal)))
gradX = gradX.astype("uint8")

print (np.array(gradX).shape)
cv_show('gradX',gradX)

#通過閉操作(先膨脹,再腐蝕)將數字連在一起
gradX = cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel) 
cv_show('gradX',gradX)
#THRESH_OTSU會自動尋找合適的閾值,適合雙峰,需把閾值參數設置為0
thresh = cv2.threshold(gradX, 0, 255,
	cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1] 
cv_show('thresh',thresh)

#再來一個閉操作

thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel) #再來一個閉操作
cv_show('thresh',thresh)

# 計算輪廓

thresh_, threshCnts, hierarchy = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,
	cv2.CHAIN_APPROX_SIMPLE)

cnts = threshCnts
cur_img = image.copy()
cv2.drawContours(cur_img,cnts,-1,(0,0,255),3) 
cv_show('img',cur_img)
locs = []

# 遍歷輪廓
for (i, c) in enumerate(cnts):
	# 計算矩形
	(x, y, w, h) = cv2.boundingRect(c)
	ar = w / float(h)

	# 選擇合適的區域,根據實際任務來,這裡的基本都是四個數字一組
	if ar > 2.5 and ar < 4.0:

		if (w > 40 and w < 55) and (h > 10 and h < 20):
			#符合的留下來
			locs.append((x, y, w, h))

# 將符合的輪廓從左到右排序
locs = sorted(locs, key=lambda x:x[0])
output = []

# 遍歷每一個輪廓中的數字
for (i, (gX, gY, gW, gH)) in enumerate(locs):
	# initialize the list of group digits
	groupOutput = []

	# 根據坐標提取每一個組
	group = gray[gY - 5:gY + gH + 5, gX - 5:gX + gW + 5]
	cv_show('group',group)
	# 預處理
	group = cv2.threshold(group, 0, 255,
		cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
	cv_show('group',group)
	# 計算每一組的輪廓
	group_,digitCnts,hierarchy = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL,
		cv2.CHAIN_APPROX_SIMPLE)
	digitCnts = contours.sort_contours(digitCnts,
		method="left-to-right")[0]

	# 計算每一組中的每一個數值
	for c in digitCnts:
		# 找到當前數值的輪廓,resize成合適的的大小
		(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)

		# 計算匹配得分
		scores = []

		# 在模板中計算每一個得分
		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)

		# 得到最合適的數字
		groupOutput.append(str(np.argmax(scores)))

	# 畫出來
	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)

	# 得到結果
	output.extend(groupOutput)

# 打印結果
print("Credit Card Type: {}".format(FIRST_NUMBER[output[0]]))
print("Credit Card #: {}".format("".join(output)))
cv2.imshow("Image", image)
cv2.waitKey(0)
# (194, 300)
# Credit Card Type: MasterCard
# Credit Card #: 5412751234567890

所有代碼連在一起就是完整的代碼

到此這篇關於Python如何識別銀行卡卡號?的文章就介紹到這瞭,更多相關Python識別卡號內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!