畢業(yè)論文_基于opencv的銀行卡號(hào)識(shí)別(編輯修改稿)
2025-07-10 06:14 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 ，卡號(hào)定位與分割的準(zhǔn)確與否將直接影響系統(tǒng)的識(shí)別率 。字符分割的準(zhǔn)確性依賴于卡號(hào)定位和圖像的清晰度。如果圖像中有著較為明顯的干擾和噪聲，二值化圖像中可能出現(xiàn)字符粘連，需要特殊處理。 字符定位是在分割出的圖像中找到卡號(hào)各個(gè)字符所在位置并將其從中分離出來(lái)，為后面卡號(hào)字符識(shí)別作準(zhǔn)備。 特征提取的主要目的是從那些已分割出來(lái)的單個(gè)卡號(hào)字符圖像中提取出用于區(qū)分不同字符的本質(zhì)特征，用來(lái)識(shí)別。 字符識(shí)別是在數(shù)字模板庫(kù)中找到和待識(shí)字符匹配的字符。模板庫(kù)是在銀行卡號(hào)識(shí)別系統(tǒng)實(shí)現(xiàn)后創(chuàng)建的數(shù)字模板庫(kù)。 8 8 第 2 章 圖像預(yù)處理模塊 引言 整個(gè)識(shí)別系統(tǒng)主要由圖像預(yù)處理模塊、字符 分割模塊、字符定位模塊、字符識(shí)別模塊幾個(gè)模塊組成。下面詳細(xì)介紹這幾個(gè)模塊是如何用 opencv 的函數(shù)實(shí)現(xiàn)的。以一張編號(hào)為 9559981090571602515 的銀行卡為例來(lái)介紹系統(tǒng)的整個(gè)識(shí)別過(guò)程。 圖像預(yù)處理模塊是用來(lái)進(jìn)行銀行卡號(hào)識(shí)別的前期準(zhǔn)備工作的模塊。圖像處理模塊的要求就是把原始圖像處理為適合后續(xù)模塊處理要求的圖像。本系統(tǒng)的原始圖像采用 RGB 圖像，系統(tǒng)的圖像處理模塊主要對(duì)原始圖像進(jìn)行灰度化、二值化等處理。銀行卡原始圖像如圖 2所示。 圖 2 原始圖像 灰度化 處理 圖像灰度化處理就是將指定圖像每個(gè) 像素點(diǎn)的 RGB 三個(gè)分量通過(guò)一定的算法計(jì)算出該像素點(diǎn)的灰度值，使圖像只含亮度而不含色彩信息。本程序中一開始得到的采集的銀行卡圖像是彩色圖像，其中包含了大量顏色信息，但識(shí)別卡號(hào)并不需要關(guān)心這些顏色信息，這些顏色信息反而會(huì)對(duì)銀行卡卡號(hào)的識(shí)別造成干擾并且顏色信息浪費(fèi)了大量數(shù)據(jù)空間儲(chǔ)存。所以可以通過(guò)對(duì)原始圖像進(jìn)行灰度化處理來(lái)去掉銀行卡的顏色信息，這樣有利于后續(xù)模塊的處理并且可以節(jié)約大量的系統(tǒng)的存儲(chǔ)空間。 9 9 一般有以下四種方法對(duì)彩色圖像進(jìn)行灰度化。 1）分量法 將彩色圖像中的三分量的亮度作為三個(gè)灰度圖像灰度值，可根據(jù)需要 選取一種灰度圖像。 f1(i,j)=R(i,j)f2(i,j)=G(i,j)f3(i,j)=B(i,j) 其中 fk(i,j)(k=1,2,3)為轉(zhuǎn)換后的灰度圖像在（ i,j）處的灰度值。 將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。 f(i,j)=max(R(i,j),G(i,j),B(i,j)) 將彩色圖像中的三分量亮度求平均得到一個(gè)灰度值。 f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3 根據(jù)重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行 加權(quán)平均。由于人眼對(duì)綠色的敏感最高，對(duì)藍(lán)色敏感最低，因此，按下式對(duì) RGB三分量進(jìn)行加權(quán)平均能得到較合理的灰度圖像。 f(i,j)=(i,j)+(i,j)+(i,j)) 本系統(tǒng)采取的方法是調(diào)用了 opencv 里灰度化函數(shù) cvCvtColor。該函數(shù)采用加權(quán)平均法，將銀行卡彩色圖像轉(zhuǎn)為灰度圖像。 對(duì)原始圖像處理得到的結(jié)果如圖 3所示。 10 10 二值化 處理 在將原始圖像進(jìn)行灰度化處理后，對(duì)得到的灰度圖像進(jìn)行二值化處理。二值化處理就是將灰度圖像轉(zhuǎn)換為只包含黑色和白色兩種顏色的圖像，它 們之間沒(méi)有其他灰度的變化。在二值圖中用 255 表示白色， 0表示黑色。相對(duì)于灰度圖，二值圖可以大大壓縮數(shù)據(jù)量，并且可以大幅度簡(jiǎn)化后續(xù)工作。 圖像二值化采用閾值分割來(lái)實(shí)現(xiàn)，即以一個(gè)合適的閾值將圖像分為大于和小于閾值的兩部分像素群，對(duì)應(yīng)表示圖像中的目標(biāo)和背景，從而將目標(biāo)從背景中分離出來(lái)。選取閾值的方法有多種。迭代法所得的閾值能有效的分割圖像，區(qū)別目標(biāo)和背景的主要區(qū)域所在，但是在圖像的細(xì)微處的區(qū)分不是很好。經(jīng)典 Ostu[6]算法必須對(duì)所有的灰度值遍歷計(jì)算類間方差，再通過(guò)比較得到最大方差，因此其運(yùn)算大。 Bernsen 算 法 [7]實(shí)現(xiàn)速度慢，還會(huì)出現(xiàn)筆劃間斷和偽影等現(xiàn)象。由于本文中目標(biāo)圖像和背景在灰度上有明顯差異，采用雙峰法來(lái)確定最佳分割閾值。首先根據(jù)輸入的數(shù)字圖像作出反映這幅圖像中的灰度級(jí)與出現(xiàn)這種灰度的概率之間關(guān)系的灰度直方圖。直方圖中出現(xiàn)了兩個(gè)峰值，一個(gè)處于目標(biāo)灰度區(qū)，另一個(gè)處于背景灰度區(qū)。這兩個(gè)峰分別對(duì)應(yīng)目標(biāo)與背景數(shù)目較多的像素點(diǎn)，兩峰之間的波谷對(duì)應(yīng)邊緣附近數(shù)目較少的點(diǎn)。在大量實(shí)驗(yàn)基礎(chǔ)上，本系統(tǒng)選取閾值為 37。然后，采用固定閾值法對(duì)圖像進(jìn)行二值化處理。 將圖 3中的灰度圖進(jìn)行二值化處理得到的二值圖如圖 4 所示。 圖 4 二值圖 11 11 第 3 章 字符定位模塊 引言 字符分割模塊是對(duì)預(yù)處理后的圖像進(jìn)行卡號(hào)字符的準(zhǔn)確準(zhǔn)確定位與分割，它是卡號(hào)識(shí)別系統(tǒng)中一個(gè)較為關(guān)鍵的模塊，銀行卡號(hào)定位與分割的準(zhǔn)確與否將直接影響系統(tǒng)的識(shí)別率。本模塊主要包括對(duì)銀行卡號(hào)的定位、卡號(hào)字符定位、卡號(hào)字符分割、卡號(hào)字符圖像歸一化處理。 銀行卡號(hào)的定位是在整張圖像中定位出卡號(hào)的位置，將其從背景圖像中分離出來(lái)，便于后面從圖像中分離出卡號(hào)字符。 銀行卡號(hào)字符定位是在已定位的銀行卡號(hào)中找到銀行卡號(hào)各字符所在位置，為后面字符分割作準(zhǔn)備。 字符分割是將銀行卡號(hào)分割成 19個(gè)單個(gè)的銀行卡號(hào)字符圖像。 圖像歸一化是將分割成的單個(gè)的銀行卡號(hào)字符圖像規(guī)范成統(tǒng)一的大小且將銀行卡號(hào)字符放置在圖像的中心。 膨脹和腐蝕 調(diào)用膨脹函數(shù)和腐蝕函數(shù)使銀行卡卡號(hào)在 X 方向連
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1