python计算机视觉opencv卡号识别示例详解

目录

• 一、模板预处理
• 1.将模板设置为二值图
• 2.检测模板的轮廓
• 3.对模板轮廓排序，并将数字和轮廓一一对应，以字典存储
• 4.备注
• 二、图片预处理
• 1.初始化卷积核
• 2.图片预处理第一部分
• 3.图像预处理第二部分
• 三、轮廓处理
• 1.大轮廓过滤
• 2.小轮廓分割

模板图片如下：

需识别的图片如下：

一、模板预处理

1XiACTMiWRp.将模板设置为二值图

2.检测模板的轮廓

3.对模板轮廓排序，并将数字和轮廓一一对应，以字典存储

排序的函数如下：

排序并存储：

http://www.cppcns.com

4.备注

①每一个数字对应的是二值图截出来的那个数字图的矩阵，共10个。

②对每一个数字进行了尺寸的设置，其实多大都行，只要后面匹配计算数值的时候设置成和模板一样的就行。

二、图片预处理

1.初始化卷积核

在后面对图像进行形态学运算的时候会用到

2.图片预处理第一部分

3.图像预处理第二部分

最终目的是把卡片上面的数字部分的坐标选出来，因此，在图像处理过程中，只需要把所有轮廓都画出来，即可，后面会对轮廓进行处理。

三、轮廓处理

1.大轮廓过滤

由于数字的轮廓是拥有类似的长宽比，因此每一个轮廓的坐标得到的近似矩形，它的长宽比应该是相似的，根据这个特性，选择出来我们所需要的大轮廓，并把坐标及长宽信息以元组形式保存起来。

2.小轮廓分割

以上的循环， 是把每一个大轮廓（包含编程客栈4个数字）切割成4个小轮廓，每一个数字一个轮廓编程客栈。同样使用切割大轮廓的方法并按照轮廓的横坐标进行排序。

在上面的循环内，继续补充下面的循环：

以上的循环是在上一个大循环之内的。是对于每一个数值进行计算。通过找到矩形，并设置成和模板一样的大小，和模板进行匹配，得到分数。选择分数最高的那个结果的索引作为结果，索引其实就是那个目标数字。

最后直接在原图上画出来框，并把数字填上去，位置XiACTMiWRp相对于卡片数字有一个15的位移。

以上就是python计算机视觉opencv卡号识别示例详解的详细内容，更多关于python计算机视觉opencv卡号识别的资料请关注我们其它相关文章！