iOS身份證識別

項目中需要用到身份識別航瞭,so網(wǎng)上掃蕩了一番,封裝了一個比較簡單的钞钙。

干貨如下?

需要用到兩個三方庫 Tesseract-OCR-iOS (識別數(shù)字)和 openCV?(處理圖片)

工程導(dǎo)入以下框架:

TesseractOCR需要用到語言包資源, 文件夾名為tessdata鳄橘,并拖入工程,如下圖


拖入后如下圖所示

新建一個OCR類 .m后綴名改為.mm

引入頭文件

#import <TesseractOCR/TesseractOCR.h>

#import <opencv2/calib3d/calib3d_c.h>

#import <opencv2/opencv.hpp>

#import <opencv2/imgproc/types_c.h>

#import <opencv2/imgcodecs/ios.h>

首先需要對圖片進(jìn)行處理

- (UIImage *)opencvScanCard:(UIImage *)image {

//將UIImage轉(zhuǎn)換成Mat

cv::Mat resultImage;

UIImageToMat(image, resultImage);

//轉(zhuǎn)為灰度圖

cvtColor(resultImage, resultImage, cv::COLOR_BGR2GRAY);

//利用閾值二值化

cv::threshold(resultImage, resultImage, 100, 255, CV_THRESH_BINARY);

//將Mat轉(zhuǎn)換成UIImage

UIImage *numberImage = MatToUIImage(resultImage);

return numberImage;

}

對圖片進(jìn)行讀取

-(void)getStringWithOCR:(UIImage *)image Language:(NSString *)language{

G8RecognitionOperation *operation = [[G8RecognitionOperation alloc] initWithLanguage:language];//@"eng" 為英文? 可查看語言包資源獲得設(shè)置不同語言的字符串

/*? 識別模式

**? G8OCREngineModeTesseractOnly? 最快

**? G8OCREngineModeCubeOnly? ? ? 更好但是慢

**? G8OCREngineModeTesseractCubeCombined? 最慢最準(zhǔn)確

*/

operation.tesseract.engineMode = G8OCREngineModeTesseractOnly;

operation.tesseract.pageSegmentationMode = G8PageSegmentationModeAutoOnly;

operation.delegate = self;

//設(shè)置image

operation.tesseract.image = [self opencvScanCard:image];

//讀取

__block NSString *resultString;

operation.recognitionCompleteBlock = ^(G8Tesseract *tesseract) {

resultString = tesseract.recognizedText;

[[NSNotificationCenter defaultCenter] postNotificationName:@"OCR" object:nil userInfo:@{@"string":resultString}];

};

[self.operationQueue addOperation:operation];

}

以后我們只需調(diào)該類-(void)getStringWithOCR:(UIImage *)image Language:(NSString *)language方法即可完成圖片識別文字芒炼。

ps:過幾天補(bǔ)充獲得身份證證號圖片部分瘫怜。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市本刽,隨后出現(xiàn)的幾起案子宝磨,更是在濱河造成了極大的恐慌,老刑警劉巖盅安,帶你破解...
    沈念sama閱讀 221,888評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異世囊,居然都是意外死亡别瞭,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,677評論 3 399
  • 文/潘曉璐 我一進(jìn)店門株憾,熙熙樓的掌柜王于貴愁眉苦臉地迎上來蝙寨,“玉大人,你說我怎么就攤上這事嗤瞎∏酵幔” “怎么了?”我有些...
    開封第一講書人閱讀 168,386評論 0 360
  • 文/不壞的土叔 我叫張陵贝奇,是天一觀的道長虹菲。 經(jīng)常有香客問我,道長掉瞳,這世上最難降的妖魔是什么毕源? 我笑而不...
    開封第一講書人閱讀 59,726評論 1 297
  • 正文 為了忘掉前任浪漠,我火速辦了婚禮,結(jié)果婚禮上霎褐,老公的妹妹穿的比我還像新娘址愿。我一直安慰自己,他們只是感情好冻璃,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,729評論 6 397
  • 文/花漫 我一把揭開白布响谓。 她就那樣靜靜地躺著,像睡著了一般省艳。 火紅的嫁衣襯著肌膚如雪娘纷。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,337評論 1 310
  • 那天拍埠,我揣著相機(jī)與錄音失驶,去河邊找鬼。 笑死枣购,一個胖子當(dāng)著我的面吹牛嬉探,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播棉圈,決...
    沈念sama閱讀 40,902評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼涩堤,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了分瘾?” 一聲冷哼從身側(cè)響起胎围,我...
    開封第一講書人閱讀 39,807評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎德召,沒想到半個月后白魂,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,349評論 1 318
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡上岗,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,439評論 3 340
  • 正文 我和宋清朗相戀三年福荸,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片肴掷。...
    茶點(diǎn)故事閱讀 40,567評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡敬锐,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出呆瞻,到底是詐尸還是另有隱情台夺,我是刑警寧澤,帶...
    沈念sama閱讀 36,242評論 5 350
  • 正文 年R本政府宣布痴脾,位于F島的核電站颤介,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜买窟,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,933評論 3 334
  • 文/蒙蒙 一丰泊、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧始绍,春花似錦瞳购、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,420評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至吞杭,卻和暖如春盏浇,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背芽狗。 一陣腳步聲響...
    開封第一講書人閱讀 33,531評論 1 272
  • 我被黑心中介騙來泰國打工绢掰, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人童擎。 一個月前我還...
    沈念sama閱讀 48,995評論 3 377
  • 正文 我出身青樓滴劲,卻偏偏與公主長得像,于是被迫代替她去往敵國和親顾复。 傳聞我的和親對象是個殘疾皇子班挖,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,585評論 2 359

推薦閱讀更多精彩內(nèi)容

  • 最近上對從圖像里識別出文字比較感興趣, 用專業(yè)點(diǎn)的語言描述就是(OCR光學(xué)字符識別窺探)非常牛X的名字, 就想弄一...
    小Ju閱讀 6,626評論 9 7
  • 轉(zhuǎn)自:http://www.reibang.com/p/ac4c4536ca3e# 一、前言??身份證識別芯砸,又稱O...
    ZhangCc_閱讀 1,496評論 1 11
  • 如圖嘍萧芙,要識別出來身份證的信息。 old 思路: 1.要隨時的檢測身份證是否完全在這個框里面假丧,然后給框里面的內(nèi)容繪...
    精神病患者link常閱讀 4,300評論 7 13
  • 第一次寫簡書双揪,多見諒。本文運(yùn)用opencv+TesseractOCR來實(shí)現(xiàn)身份證識別姓名和身份證號查閱并引用了很多...
    Joey91閱讀 4,014評論 0 5
  • 圖片做了裁剪有些模糊 真機(jī)中并未影響 github下載地址:Demo 使用 將該功能集成到你開發(fā)的app里:1包帚、請...
    黎希閱讀 968評論 1 2