充值卡上的卡號(hào)蘸嘶、密碼是否OCR識(shí)別训唱？我要嘗試一下雪情，今天記錄第一步巡通，圖像分割宴凉，將數(shù)字分割出來(lái)弥锄。下一步是數(shù)字二次分割蟆沫、訓(xùn)練饭庞、識(shí)別。
充值卡的圖是這樣的：
chongzhika.jpg
直接上代碼卤恳，注釋中解釋處理過(guò)程突琳。
import cv2
import imutils
from imutils import contours
import numpy as np
#open convert to gray 打開(kāi)圖片符相，轉(zhuǎn)換為灰度圖
img=cv2.imread("chongzhika.jpg")
bimg=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#cv2 里面的色彩序列是 BGR
#cv2.imshow('bimg',bimg)
#cv2.waitKey()
#threshold 二值化并翻轉(zhuǎn)主巍，二值化的閾值 設(shè)置為12 ,由于照片上的右側(cè)白色部分逛艰，因?yàn)椴蝗缱髠?cè)黑色的部分明顯搞旭，
#在二值化中會(huì)被過(guò)濾掉肄渗，這里偷懶了，最好的做法是做直方圖分析欠动，獲取到中間黑白的分割線(xiàn)具伍，
#然后截取黑色部分處理圈驼。所以在這里二值化的閾值大小人芽，會(huì)影響后面分割的效果。
#threshod infect the result!
bimg=cv2.threshold(bimg,12,255,cv2.THRESH_BINARY_INV)[1]
#調(diào)整一下圖片绩脆，旋轉(zhuǎn)為橫向的萤厅，并且調(diào)整大小
bimg=imutils.rotate(bimg,90)
bimg=cv2.resize(bimg,(int(bimg.shape[1]/2),int(bimg.shape[0]/2)))
cv2.imshow('bimg',bimg)
cv2.waitKey()
#contors 開(kāi)始搜索輪廓
#算子用的兩個(gè)核
rectKernel=cv2.getStructuringElement(cv2.MORPH_RECT,(9,3))
sqKernel=cv2.getStructuringElement(cv2.MORPH_RECT,(6,6))
##tophat 第一次遮罩
tophat=cv2.morphologyEx(bimg,cv2.MORPH_TOPHAT,rectKernel)
cv2.imshow('tophat',tophat)
cv2.waitKey()
##compute 做，sobel算子邊緣檢測(cè)后靴迫，二次進(jìn)行均值增強(qiáng)
gradX=cv2.Sobel(tophat,ddepth=cv2.CV_32F,dx=1,dy=0,ksize=1)
gradX=np.absolute(gradX)
(minVal,maxVal)=(np.min(gradX),np.max(gradX))
gradX=(255*((gradX-minVal)/(maxVal-minVal)))
gradX=gradX.astype('uint8')
##2 對(duì)增強(qiáng)后的圖像進(jìn)行閉運(yùn)算--二值化---二次閉預(yù)算
gradX=cv2.morphologyEx(gradX,cv2.MORPH_CLOSE,rectKernel)
thresh=cv2.threshold(gradX,0,255,cv2.THRESH_BINARY|cv2.THRESH_OTSU)[1]
thresh=cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,sqKernel)
#獲得大輪廓惕味，目的就是將白色的數(shù)字部分連在一起，方便后面的輪廓檢測(cè)
cv2.imshow('thresh',thresh)
cv2.waitKey()
#filter
#預(yù)留玉锌，將各種噪點(diǎn)濾除
## 獲取連續(xù)區(qū)域
cnts=cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts=cnts[0] if imutils.is_cv2() else cnts[1]
cnts=contours.sort_contours(cnts,method='left-to-right')[0]
locs=[]
locs2=[]
#loop over the contors 循環(huán)判斷連續(xù)區(qū)域的寬高比名挥，寬度、高度是否符合預(yù)期
for(i,c) in enumerate(cnts):
(x,y,w,h)=cv2.boundingRect(c)
ar=w/float(h)
#password 4 digits 因?yàn)榭艿?數(shù)字中芬沉，四個(gè)字母一組比較多躺同，所以設(shè)置寬高比為 2.5 --4.5
if ar>2.5 and ar<5.0:
print('ar=',ar)
print('x=',x,'y=',y,'width=',w,'height=',h)
if(w>15 and w< 180) and (h> 15 and h<30):
locs.append((x,y,w,h))
# password 3 digits 3個(gè)數(shù)字的寬高比略微小點(diǎn)，也別漏了，當(dāng)然也會(huì)帶來(lái)很多噪點(diǎn)
if ar>1.5 and ar<2.5:
print('ar=',ar)
print('x=',x,'y=',y,'width=',w,'height=',h)
if(w>15 and w< 180) and (h> 15 and h<30):
locs.append((x,y,w,h))
#number 15 digits 卡號(hào)的部分，超長(zhǎng)检吆，設(shè)置大點(diǎn)的寬高比章鲤，同時(shí)這里也有個(gè)問(wèn)題就是最下面的條碼寬高比是一樣的，通過(guò)高度區(qū)分，這里設(shè)置h 在15-30 之間，是觀(guān)察出來(lái)的酥泛。捶索。。需要考慮圖片的傾斜璃弄、小角度旋轉(zhuǎn)脐供、大小等變化
if ar>10 or ar<20:
if(w>100 and w< 300) and (h> 15 and h<30):
locs2.append((x,y,w,h))
print('locs=', locs)
print('locs2=', locs2)
#將檢測(cè)到的輪廓在圖上畫(huà)出來(lái)
if(len(locs)>0):
output = cv2.merge([bimg] * 3)
for (x,y,w,h) in locs:
cv2.rectangle(output, (x - 2, y - 2), (x + w + 4, y + h + 4), (0, 255, 0), 2)
if(len(locs2)>0):
for (x,y,w,h) in locs2:
cv2.rectangle(output, (x - 2, y - 2), (x + w + 4, y + h + 4), (0, 0, 255), 2)
cv2.imshow('output',output)
cv2.waitKey()
最終的效果，左側(cè)是進(jìn)行膨脹連通之后的效果印蓖，右側(cè)是最終進(jìn)行連續(xù)路徑檢測(cè)之后公浪，對(duì)數(shù)字的標(biāo)注，綠色是小寬高比的標(biāo)注，紅色是大寬高比的標(biāo)注。
分割2.png
目前的檢測(cè)只是初步的嘗試陌凳，無(wú)法應(yīng)對(duì)圖像的明暗、旋轉(zhuǎn)批狱、翻轉(zhuǎn)爪膊、大小等多種多樣的變化耘成，仍然需要繼續(xù)探索。
