【计算机视觉】OpenCV 模板匹配银行卡数字识别---上

文章目录

前言
一、项目整体介绍与环境准备
二、代码详解与介绍
代码整体执行流程
导入库
命令行参数
业务字典
[自定义图像显示函数 cv_show](#自定义图像显示函数 cv_show)
图像预处理
轮廓检测
轮廓排序、单个数字区域提取
总结

前言

本文基于 OpenCV + Python ，实现银行卡卡号数字提取、模板数字匹配功能，面向编程、计算机视觉零基础学习者。

一、项目整体介绍与环境准备

日常生活中银行卡卡号由固定字体、固定大小的数字组成，我们先准备一张标准数字模板图（0~9 十个数字依次排列），通过 OpenCV 图像处理技术：

读取数字模板图片；
对图片做灰度、二值化预处理，让数字和背景区分更明显；
检测图片中每一个数字的轮廓；
对轮廓从左到右排序，保证数字顺序不乱；
逐个截取 0~9 单个数字，保存为模板，供后续识别真实银行卡图片使用。

银行卡图片：

卡号图片：

首先安装环境：

c 复制代码

# 安装OpenCV、数值计算库
pip install opencv-python numpy

然后再准备两个文件：

图片文件：card1.png（待识别银行卡）、kahao.png（数字模板图，0-9 横向排列）

myutils.py（自定义工具脚本，用作轮廓排序）。

myutils.py：

c 复制代码

import cv2

def sort_contours(cnts, method="left-to-right"):
    reverse = False
    i = 0
    # 判断排序方式
    if method == "right-to-left" or method == "bottom-to-top":
        reverse = True
    if method == "top-to-bottom" or method == "bottom-to-top":
        i = 1
    # 计算外接矩形并排序
    boundingBoxes = [cv2.boundingRect(c) for c in cnts]
    (cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),
                                        key=lambda b: b[1][i], reverse=reverse))
    return cnts, boundingBoxes

二、代码详解与介绍

代码整体执行流程

导入所有依赖库；
创建命令行参数，接收银行卡图片和数字模板图片路径；
定义银行卡卡号首位数字与卡种的映射字典；
定义自定义窗口显示函数；
读取数字模板图片；
图像预处理：彩色图 → 灰度图 → 二值黑白图；
检测图像中所有数字轮廓，并绘制轮廓；
对轮廓从左到右排序，保证数字顺序为 0~9；
逐个截取单个数字区域，统一尺寸，存入字典；
打印最终提取的数字模板字典，程序结束。

导入库

c 复制代码

import numpy as np
import argparse
import cv2
import myutils

import argparse是Python 内置命令行参数解析模块。

import myutils会导入自定义工具脚本 myutils.py。

把重复使用的工具函数（轮廓排序、图像缩放、旋转等）单独封装，简化主代码。

命令行参数

c 复制代码

ap = argparse.ArgumentParser()
ap.add_argument('-i','--image',required=True,help='path to input image')
ap.add_argument('-t','--template',required=True,help='path to template OCR-A image')

args = vars(ap.parse_args())

c 复制代码

ap = argparse.ArgumentParser()

创建一个空的参数管理器，后续所有输入参数都由它管理。就像创建一张 "表格"，用来登记我们需要的外部参数。

c 复制代码

ap.add_argument('-i','--image',required=True,help='path to input image')
ap.add_argument('-t','--template',required=True,help='path to template OCR-A image')

-i：短参数名（命令行简写，使用方便）；--image：长参数名（代码内部使用的变量名，语义清晰）；required=True：必传参数。运行代码时必须传入该参数，否则程序直接报错，强制用户输入图片路径；help：参数说明，输入 --help 时会展示提示文字，方便使用者理解参数作用。

c 复制代码

args = vars(ap.parse_args())

vars()：将解析后的参数对象，转为 Python 字典；

我们进入程序后右击鼠标，进去设置脚本形参：

设置结束点击'Apply'应用即可，否则程序将会报错。

业务字典

c 复制代码

FIRST_NUMBER={'3':'American Express',
              '4':"Visa",
              "5": "MasterCard",
              "6":"Discover Card"}

卡号以 3 开头 → American Express

卡号以 4 开头 → Visa

卡号以 5 开头 → MasterCard

卡号以 6 开头 → Discover Card

根据银行卡第一位卡号数字判断银行卡类型。

自定义图像显示函数 cv_show

c 复制代码

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)

封装为工具函数，一行调用。

使用格式：

c 复制代码

cv_show('xxx', img)

图像预处理

c 复制代码

img = cv2.imread(args['template'])
cv_show('img',img)
ref = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv_show('ref',ref)
ref = cv2.threshold(ref,10,255,cv2.THRESH_BINARY_INV)[1]
cv_show('ref',ref)

读取图像

c 复制代码

img = cv2.imread(args['template'])

从命令行参数字典中，取出数字模板图 kahao.png 的路径。

彩色图转灰度图

c 复制代码

ref = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

即使图片是黑白色的，我们依旧要使用转灰度图，这是因为彩图有3个颜色通道，灰度图只有一个通道，计算快捷，简化运算。

图像二值化

c 复制代码

ref = cv2.threshold(ref,10,255,cv2.THRESH_BINARY_INV)[1]

将灰度图只保留两种像素值：纯黑 (0)、纯白 (255)。

但是代码使用的是反向二值化，这是为了边缘检测时不会检测到边缘的那一圈轮廓

使用反向二值化就可以避免这个问题。

轮廓检测

c 复制代码

refCnts = cv2.findContours(ref,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2]
cv2.drawContours(img,refCnts,-1,(0,0,255),3)

只检测最外层轮廓，忽略内部嵌套轮廓，数字内部也是有轮廓的。

refCnts是上一步检测到的轮廓列表，-1绘制所有轮廓，(0,0,255)：绘制颜色，OpenCV BGR 格式 → (0,0,255) = 红色，3：轮廓线条宽度，数值越大线条越粗。

轮廓排序、单个数字区域提取

c 复制代码

refCnts = myutils.sort_contours(refCnts,method='lert=to-right')[0]
digits = {}
for (i,c) in enumerate(refCnts):
    (x,y,w,h) = cv2.boundingRect(c)
    roi = ref[y:y+h,x:x+w]
    roi = cv2.resize(roi,(57,88))
    cv_show('roi',roi)
    digits[i] = roi
print(digits)

调用自定义工具 myutils.sort_contours，对轮廓排序，排序规则从左到右。

检测到10个最小外接矩阵，对x排序进行排序，x越小，数字越小。

截取感兴趣区域 ROI

对图片进行切片，截取单个数字。

c 复制代码

roi = ref[y:y+h,x:x+w]

统一数字尺寸 resize

c 复制代码

roi = cv2.resize(roi,(57,88))

将所有数字统一缩放为宽 57、高 88

总结

读者朋友们可以通过学习前半段代码，熟练掌控模块匹配算法，后续会有完整项目放出，请耐心等待，谢谢。