Python如何識別銀行卡卡號?
更新時間：2021年06月10日 10:37:02 作者：justwaityou1314
今天給大家?guī)淼氖怯嘘P(guān)Python的相關(guān)知識,文章圍繞著Python如何識別銀行卡卡號展開,文中有非常詳細的代碼示例及介紹,需要的朋友可以參考下
一、現(xiàn)有資源梳理
目前有一張卡號模板圖片
N張測試銀行卡圖片,其一如下
操作環(huán)境 win10-64位
代碼語言 Python 3.6
二、實現(xiàn)方案規(guī)劃
對模板操作，將十個模板和對應(yīng)的數(shù)字一一對應(yīng)起來
圖片中通過查找輪廓，然后繪制輪廓外界矩形的方式，將每一和數(shù)字分割出來，并和對應(yīng)的數(shù)字相對應(yīng)。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(shù)字的像素 .
整個照片的干擾信息很多，很難直接就定位到卡號位置，需要經(jīng)過一系列的變換。
定位到卡號位置后，如何將每個卡號給提取出來，進行模板匹配，識別其數(shù)字。
1.輸入的圖片為RGB格式，需要轉(zhuǎn)換成GRAY格式，然后再將灰度形式的圖片進行二值化處理。
2.對于二值化處理之后的圖片進行Sobel濾波，將數(shù)字模糊，連接起來。
3.經(jīng)過Sobel之后可能數(shù)字沒有連接在一起，所以執(zhí)行閉操作將相鄰的數(shù)字連接起來，因為數(shù)字是橫向的，所以閉操作的核設(shè)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(xù)數(shù)字區(qū)域。
5.通過連續(xù)數(shù)字區(qū)域分割出每一個數(shù)字，然后將每個數(shù)字和模板進行匹配，匹配結(jié)果最高的就是最有可能的數(shù)字。
三、代碼實現(xiàn)
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(shù)及信用卡類型設(shè)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(shù)接受的參數(shù)為二值圖，即黑白的（不是灰度圖）,cv2.RETR_EXTERNAL只檢測外輪廓，cv2.CHAIN_APPROX_SIMPLE只保留終點坐標
#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):
# 計算外接矩形并且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(shù)字對應(yīng)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(yù)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(qū)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相當于用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(shù)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(shù)設(shè)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(qū)域，根據(jù)實際任務(wù)來，這里的基本都是四個數(shù)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(shù)字
for (i, (gX, gY, gW, gH)) in enumerate(locs):
# initialize the list of group digits
groupOutput = []
# 根據(jù)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(yù)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(shù)值
for c in digitCnts:
# 找到當前數(shù)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(shù)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(jié)果
output.extend(groupOutput)
# 打印結(jié)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(guān)于Python如何識別銀行卡卡號?的文章就介紹到這了,更多相關(guān)Python識別卡號內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要為大家詳細介紹了python實現(xiàn)分頁效果，具有一定的參考價值，感興趣的小伙伴們可以參考一下2017-10-10
python文字和unicode/ascll相互轉(zhuǎn)換函數(shù)及簡單加密解密實現(xiàn)代碼
這篇文章主要介紹了python文字和unicode/ascll相互轉(zhuǎn)換函數(shù)及簡單加密解密實現(xiàn)代碼,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-08-08
這篇文章主要為大家詳細介紹了python的數(shù)字類型，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-01-01
Python實現(xiàn)定期檢查源目錄與備份目錄的差異并進行備份功能示例
這篇文章主要介紹了Python實現(xiàn)定期檢查源目錄與備份目錄的差異并進行備份功能,涉及Python基于filecmp模塊的文件比較及讀寫等相關(guān)操作技巧,需要的朋友可以參考下2019-02-02
本文介紹使用python抓取京東價格的代碼，用于分析京東商品價格走勢或者用于其它，大家參考使用吧2014-01-01
本篇文章主要介紹了詳解Python3操作Mongodb簡明易懂教程，詳細的介紹了如何連接數(shù)據(jù)庫和對數(shù)據(jù)庫的操作，有需要的可以了解一下。2017-05-05
這篇文章主要介紹了python項目對接釘釘SDK的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-07-07
pytorch加載預(yù)訓練模型與自己模型不匹配的解決方案
這篇文章主要介紹了pytorch加載預(yù)訓練模型與自己模型不匹配的解決方案，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-05-05
python實現(xiàn)微信每日一句自動發(fā)送給喜歡的人
這篇文章主要為大家詳細介紹了python實現(xiàn)微信每日一句自動發(fā)送給喜歡的人，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-04-04
使用Python批量刪除MySQL數(shù)據(jù)庫的全部外鍵
這篇文章主要為大家詳細介紹了如何使用Python批量刪除MySQL數(shù)據(jù)庫的全部外鍵,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起學習一下2024-04-04