前言一、获取模板图像
1.1 功能效果1.2 功能源码 二、yhk号定位
2.1 将yhk号切割成四块
2.1.1 功能效果2.1.2 功能源码 2.2 字符切割
2.2.1 功能效果2.2.2 功能源码 三、字符识别
3.1.读取文件3.2.字符匹配3.3.功能源码 四、效果显示
4.1 功能源码4.2 效果显示 五、源码
5.1 hpp文件5.2 cpp文件5.3 main文件 总结
前言
本文将使用OpenCV C++ 进行yhk号识别。主要步骤可以细分为:
1、 获取模板图像
2、yhk号区域定位
3、字符切割
4、模板匹配
5、效果显示
接下来就具体看看是如何一步步实现的吧。
如图所示,这是我们的模板图像。我们需要将上面的字符一一切割出来保存,以便进行后续的字符匹配环节。先进行图像灰度、阈值等 *** 作进行轮廓提取,这里就不再细说。这里我想说的是,由于经过轮廓检索,提取出来的字符并不是按(0、1、2…7、8、9)顺序排列,所以,在这里我自定义了一个Card结构体,用于图像排序。具体请看源码。
如图为顺序切割出来的模板字符。
bool Get_Template(Mat temp, vector二、yhk号定位&Card_Temp) { //图像预处理 Mat gray; cvtColor(temp, gray, COLOR_BGR2GRAY); Mat thresh; threshold(gray, thresh, 0, 255, THRESH_BINARY_INV|THRESH_OTSU); //轮廓检测 vector > contours; findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); for (int i = 0; i < contours.size(); i++) { Rect rect = boundingRect(contours[i]); double ratio = double(rect.width) / double(rect.height); //筛选出字符轮廓 if (ratio > 0.5 && ratio < 1) { Mat roi = temp(rect); //将字符扣出,放入Card_Temp容器备用 Card_Temp.push_back({ roi ,rect }); } } if (Card_Temp.empty())return false; //进行字符排序,使其按(0、1、2...7、8、9)顺序排序 for (int i = 0; i < Card_Temp.size()-1; i++) { for (int j = 0; j < Card_Temp.size() - 1 - i; j++) { if (Card_Temp[j].rect.x > Card_Temp[j + 1].rect.x) { Card temp = Card_Temp[j]; Card_Temp[j] = Card_Temp[j + 1]; Card_Temp[j + 1] = temp; } } } return true; }
如图所示,这是本案例需要识别的yhk。从图中可以看出,我们需要将yhk号切割出来首先得将卡号分为4个小块切割,之后再需要将每一小块上的字符切割。接下来一步步看是如何 *** 作的。
首先第一步得先进行图像预处理,通过灰度、二值化、形态学等 *** 作提取出卡号轮廓。这里的图像预处理需要根据图像特征自行确定,并不是所有的步骤都是必须的,我们最终的目的是为了定位yhk号所在轮廓位置。这里我使用的是二值化、以及形态学闭 *** 作。
//形态学 *** 作、以便找到yhk号区域轮廓 Mat gray; cvtColor(src, gray, COLOR_BGR2GRAY); Mat gaussian; GaussianBlur(gray, gaussian, Size(3, 3), 0); Mat thresh; threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU); Mat close; Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5)); morphologyEx(thresh, close, MORPH_CLOSE, kernel2);
经过灰度、阈值、形态学 *** 作后的图像如下图所示。我们已经将yhk号分为四个小矩形块,接下来只需通过轮廓查找、筛选就可以扣出这四个ROI区域了。
vector>contours; findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); for (int i = 0; i < contours.size(); i++) { //通过面积、长宽比筛选出银行卡号区域 double area = contourArea(contours[i]); if (area > 800 && area < 1400) { Rect rect = boundingRect(contours[i]); float ratio = double(rect.width) / double(rect.height); if (ratio > 2.8 && ratio < 3.1) { Mat ROI = src(rect); Block_ROI.push_back({ ROI ,rect }); } } }
同理,我们需要将切割下来的小块按照它原来的顺序存储。
for (int i = 0; i < Block_ROI.size()-1; i++) { for (int j = 0; j < Block_ROI.size() - 1 - i; j++) { if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x) { Card temp = Block_ROI[j]; Block_ROI[j] = Block_ROI[j + 1]; Block_ROI[j + 1] = temp; } } }2.1.1 功能效果 2.1.2 功能源码
bool Cut_Block(Mat src, vector2.2 字符切割&Block_ROI) { //形态学 *** 作、以便找到yhk号区域轮廓 Mat gray; cvtColor(src, gray, COLOR_BGR2GRAY); Mat gaussian; GaussianBlur(gray, gaussian, Size(3, 3), 0); Mat thresh; threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU); Mat close; Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5)); morphologyEx(thresh, close, MORPH_CLOSE, kernel2); vector >contours; findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); for (int i = 0; i < contours.size(); i++) { //通过面积、长宽比筛选出银行卡号区域 double area = contourArea(contours[i]); if (area > 800 && area < 1400) { Rect rect = boundingRect(contours[i]); float ratio = double(rect.width) / double(rect.height); if (ratio > 2.8 && ratio < 3.1) { //rectangle(src, rect, Scalar(0, 255, 0), 2); Mat ROI = src(rect); Block_ROI.push_back({ ROI ,rect }); } } } if (Block_ROI.size()!=4)return false; for (int i = 0; i < Block_ROI.size()-1; i++) { for (int j = 0; j < Block_ROI.size() - 1 - i; j++) { if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x) { Card temp = Block_ROI[j]; Block_ROI[j] = Block_ROI[j + 1]; Block_ROI[j + 1] = temp; } } } //for (int i = 0; i < Block_ROI.size(); i++) //{ // imshow(to_string(i), Block_ROI[i].mat); // waitKey(0); //} return true; }
由步骤2.1,我们已经将yhk号定位,且顺序切割成四个小块。接下来,我们只需要将他们依次的将字符切割下来就可以了。其实切割字符跟上面的切割小方块是差不多的,这里就不再多说了。在这里我着重要说明的是,切割出来的字符相对于yhk所在位置。
由步骤2.1,我们顺序切割出来四个小方块。以其中一个小方块为例,当时我们存储了rect变量,它表示该小方块相对于图像起点(X,Y),宽W,高H。而步骤2.2我们需要做的就是将这个小方块的字符切割出来,那么每一个字符相对于小方块所在位置为起点(x,y),宽w,高h。所以,这些字符相当于yhk所在位置就是起点(X+x,Y+y),宽 (w),高(h)。具体请细看源码。也比较简单容易理解。
//循环上面切割出来的四个小块,将上面的字符一一切割出来。 for (int i = 0; i < Block_ROI.size(); i++) { Mat roi_gray; cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY); Mat roi_thresh; threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU); vector> contours; findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); for (int j = 0; j < contours.size(); j++) { Rect rect = boundingRect(contours[j]); //字符相对于银行卡所在的位置 Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height); Mat r_roi = Block_ROI[i].mat(rect); Slice_ROI.push_back({ r_roi ,roi_rect }); } }
同样,在这里我们也需要将切割出来的字符顺序排序。即yhk上的号码是怎样排序的,我们就需要怎样排序保存
for (int i = 0; i < Slice_ROI.size() - 1; i++) { for (int j = 0; j < Slice_ROI.size() - 1 - i; j++) { if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x) { Card temp = Slice_ROI[j]; Slice_ROI[j] = Slice_ROI[j + 1]; Slice_ROI[j + 1] = temp; } } }2.2.1 功能效果
如图为顺序切割出来的字符
bool Cut_Slice(vector三、字符识别 3.1.读取文件&Block_ROI,vector &Slice_ROI) { //循环上面切割出来的四个小块,将上面的字符一一切割出来。 for (int i = 0; i < Block_ROI.size(); i++) { Mat roi_gray; cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY); Mat roi_thresh; threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU); vector > contours; findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); for (int j = 0; j < contours.size(); j++) { Rect rect = boundingRect(contours[j]); //字符相对于银行卡所在的位置 Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height); Mat r_roi = Block_ROI[i].mat(rect); Slice_ROI.push_back({ r_roi ,roi_rect }); } } if (Slice_ROI.size() != 16) return false; for (int i = 0; i < Slice_ROI.size() - 1; i++) { for (int j = 0; j < Slice_ROI.size() - 1 - i; j++) { if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x) { Card temp = Slice_ROI[j]; Slice_ROI[j] = Slice_ROI[j + 1]; Slice_ROI[j + 1] = temp; } } } //for (int i = 0; i < Slice_ROI.size(); i++) //{ // imshow(to_string(i), Slice_ROI[i].mat); // waitKey(0); //} return true; }
如图所示,为模板图像对应的label。我们需要读取文件,进行匹配。
bool ReadData(string filename, vector3.2.字符匹配&label) { fstream fin; fin.open(filename, ios::in); if (!fin.is_open()) { cout << "can not open the file!" << endl; return false; } int data[10] = { 0 }; for (int i = 0; i < 10; i++) { fin >> data[i]; } fin.close(); for (int i = 0; i < 10; i++) { label.push_back(data[i]); } return true; }
在这里,我的思路是:使用一个for循环,将我们切割出来的字符与现有的模板一一进行匹配。使用的算法是图像模板匹配matchTemplate。具体用法请大家自行查找相关资料。具体请看源码
3.3.功能源码bool Template_Matching(vector四、效果显示 4.1 功能源码&Card_Temp, vector &Block_ROI, vector &Slice_ROI, vector &result_index) { for (int i = 0; i < Slice_ROI.size(); i++) { //将字符resize成合适大小,利于识别 resize(Slice_ROI[i].mat, Slice_ROI[i].mat, Size(60, 80), 1, 1, INTER_LINEAR); Mat gray; cvtColor(Slice_ROI[i].mat, gray, COLOR_BGR2GRAY); int maxIndex = 0; double Max = 0.0; for (int j = 0; j < Card_Temp.size(); j++) { resize(Card_Temp[j].mat, Card_Temp[j].mat, Size(60, 80), 1, 1, INTER_LINEAR); Mat temp_gray; cvtColor(Card_Temp[j].mat, temp_gray, COLOR_BGR2GRAY); //进行模板匹配,识别数字 Mat result; matchTemplate(gray, temp_gray, result, TM_SQDIFF_NORMED); double minVal, maxVal; Point minLoc, maxLoc; minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc); //得分最大的视为匹配结果 if (maxVal > Max) { Max = maxVal; maxIndex = j; //匹配结果 } } result_index.push_back(maxIndex);//将匹配结果进行保存 } if (result_index.size() != 16)return false; return true; }
bool Show_Result(Mat src, vector4.2 效果显示&Block_ROI, vector &Slice_ROI, vector &result_index) { //读取label标签 vector label; if (!ReadData("label.txt", label))return false; //将匹配结果进行显示 for (int i = 0; i < Block_ROI.size(); i++) { rectangle(src, Rect(Block_ROI[i].rect.tl(), Block_ROI[i].rect.br()), Scalar(0, 255, 0), 2); } for (int i = 0; i < Slice_ROI.size(); i++) { cout << label[result_index[i]] << " "; putText(src, to_string(label[result_index[i]]), Point(Slice_ROI[i].rect.tl()), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2); } imshow("Demo", src); waitKey(0); destroyAllWindows(); return true; }
如图所示,为本案例最终的效果展示。
#pragma once #include5.2 cpp文件#include struct Card { cv::Mat mat; cv::Rect rect; }; //获取模板图像 bool Get_Template(cv::Mat temp, std::vector &Card_Temp); //将yhk卡号部分切成四块 bool Cut_Block(cv::Mat src, std::vector &Block_ROI); //将每一块数字区域切分出单独数字 bool Cut_Slice(std::vector &Block_ROI, std::vector &Slice_ROI); //将数字与模板进行模板匹配 bool Template_Matching(std::vector &Card_Temp, std::vector &Block_ROI, std::vector &Slice_ROI, std::vector &result_index); //显示最终结果 bool Show_Result(cv::Mat src, std::vector &Block_ROI, std::vector &Slice_ROI, std::vector &result_index);
#include5.3 main文件#include"CardDectection.h" #include using namespace std; using namespace cv; bool Get_Template(Mat temp, vector &Card_Temp) { //图像预处理 Mat gray; cvtColor(temp, gray, COLOR_BGR2GRAY); Mat thresh; threshold(gray, thresh, 0, 255, THRESH_BINARY_INV|THRESH_OTSU); //轮廓检测 vector > contours; findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); for (int i = 0; i < contours.size(); i++) { Rect rect = boundingRect(contours[i]); double ratio = double(rect.width) / double(rect.height); //筛选出字符轮廓 if (ratio > 0.5 && ratio < 1) { Mat roi = temp(rect); //将字符扣出,放入Card_Temp容器备用 Card_Temp.push_back({ roi ,rect }); } } if (Card_Temp.empty())return false; //进行字符排序,使其按(0、1、2...7、8、9)顺序排序 for (int i = 0; i < Card_Temp.size()-1; i++) { for (int j = 0; j < Card_Temp.size() - 1 - i; j++) { if (Card_Temp[j].rect.x > Card_Temp[j + 1].rect.x) { Card temp = Card_Temp[j]; Card_Temp[j] = Card_Temp[j + 1]; Card_Temp[j + 1] = temp; } } } //for (int i = 0; i < Card_Temp.size(); i++) //{ // imshow(to_string(i), Card_Temp[i].mat); // waitKey(0); //} return true; } bool Cut_Block(Mat src, vector &Block_ROI) { //形态学 *** 作、以便找到yhk号区域轮廓 Mat gray; cvtColor(src, gray, COLOR_BGR2GRAY); Mat gaussian; GaussianBlur(gray, gaussian, Size(3, 3), 0); Mat thresh; threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU); Mat close; Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5)); morphologyEx(thresh, close, MORPH_CLOSE, kernel2); vector >contours; findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); for (int i = 0; i < contours.size(); i++) { //通过面积、长宽比筛选出银行卡号区域 double area = contourArea(contours[i]); if (area > 800 && area < 1400) { Rect rect = boundingRect(contours[i]); float ratio = double(rect.width) / double(rect.height); if (ratio > 2.8 && ratio < 3.1) { //rectangle(src, rect, Scalar(0, 255, 0), 2); Mat ROI = src(rect); Block_ROI.push_back({ ROI ,rect }); } } } if (Block_ROI.size()!=4)return false; for (int i = 0; i < Block_ROI.size()-1; i++) { for (int j = 0; j < Block_ROI.size() - 1 - i; j++) { if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x) { Card temp = Block_ROI[j]; Block_ROI[j] = Block_ROI[j + 1]; Block_ROI[j + 1] = temp; } } } //for (int i = 0; i < Block_ROI.size(); i++) //{ // imshow(to_string(i), Block_ROI[i].mat); // waitKey(0); //} return true; } bool Cut_Slice(vector &Block_ROI,vector &Slice_ROI) { //循环上面切割出来的四个小块,将上面的字符一一切割出来。 for (int i = 0; i < Block_ROI.size(); i++) { Mat roi_gray; cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY); Mat roi_thresh; threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU); vector > contours; findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); for (int j = 0; j < contours.size(); j++) { Rect rect = boundingRect(contours[j]); //字符相对于银行卡所在的位置 Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height); Mat r_roi = Block_ROI[i].mat(rect); Slice_ROI.push_back({ r_roi ,roi_rect }); } } if (Slice_ROI.size() != 16) return false; for (int i = 0; i < Slice_ROI.size() - 1; i++) { for (int j = 0; j < Slice_ROI.size() - 1 - i; j++) { if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x) { Card temp = Slice_ROI[j]; Slice_ROI[j] = Slice_ROI[j + 1]; Slice_ROI[j + 1] = temp; } } } //for (int i = 0; i < Slice_ROI.size(); i++) //{ // imshow(to_string(i), Slice_ROI[i].mat); // waitKey(0); //} return true; } bool ReadData(string filename, vector &label) { fstream fin; fin.open(filename, ios::in); if (!fin.is_open()) { cout << "can not open the file!" << endl; return false; } int data[10] = { 0 }; for (int i = 0; i < 10; i++) { fin >> data[i]; } fin.close(); for (int i = 0; i < 10; i++) { label.push_back(data[i]); } return true; } bool Template_Matching(vector &Card_Temp, vector &Block_ROI, vector &Slice_ROI, vector &result_index) { for (int i = 0; i < Slice_ROI.size(); i++) { //将字符resize成合适大小,利于识别 resize(Slice_ROI[i].mat, Slice_ROI[i].mat, Size(60, 80), 1, 1, INTER_LINEAR); Mat gray; cvtColor(Slice_ROI[i].mat, gray, COLOR_BGR2GRAY); int maxIndex = 0; double Max = 0.0; for (int j = 0; j < Card_Temp.size(); j++) { resize(Card_Temp[j].mat, Card_Temp[j].mat, Size(60, 80), 1, 1, INTER_LINEAR); Mat temp_gray; cvtColor(Card_Temp[j].mat, temp_gray, COLOR_BGR2GRAY); //进行模板匹配,识别数字 Mat result; matchTemplate(gray, temp_gray, result, TM_SQDIFF_NORMED); double minVal, maxVal; Point minLoc, maxLoc; minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc); //得分最大的视为匹配结果 if (maxVal > Max) { Max = maxVal; maxIndex = j; //匹配结果 } } result_index.push_back(maxIndex);//将匹配结果进行保存 } if (result_index.size() != 16)return false; return true; } bool Show_Result(Mat src, vector &Block_ROI, vector &Slice_ROI, vector &result_index) { //读取label标签 vector label; if (!ReadData("label.txt", label))return false; //将匹配结果进行显示 for (int i = 0; i < Block_ROI.size(); i++) { rectangle(src, Rect(Block_ROI[i].rect.tl(), Block_ROI[i].rect.br()), Scalar(0, 255, 0), 2); } for (int i = 0; i < Slice_ROI.size(); i++) { cout << label[result_index[i]] << " "; putText(src, to_string(label[result_index[i]]), Point(Slice_ROI[i].rect.tl()), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2); } imshow("Demo", src); waitKey(0); destroyAllWindows(); return true; }
#include#include"CardDectection.h" using namespace std; using namespace cv; int main() { Mat src = imread("card.png"); //源图像 yhk Mat temp = imread("number.png"); //模板图像 if (src.empty() || temp.empty()) { cout << "no image data !" << endl; system("pause"); return -1; } vector Card_Temp; if (!Get_Template(temp, Card_Temp)) { cout << "模板切割失败!" << endl; system("pause"); return -1; } vector Block_ROI; if (Cut_Block(src, Block_ROI)) { vector Slice_ROI; if (Cut_Slice(Block_ROI, Slice_ROI)) { vector result_index; if (Template_Matching(Card_Temp, Block_ROI, Slice_ROI, result_index)) { Show_Result(src, Block_ROI, Slice_ROI, result_index); } else { cout << "识别失败!" << endl; system("pause"); return -1; } } else { cout << "切片失败!" << endl; system("pause"); return -1; } } else { cout << "切块失败!" << endl; system("pause"); return -1; } system("pause"); return 0; }
总结
本文使用OpenCV C++进行yhk号识别,关键步骤有以下几点。
1、yhk号定位。根据本案例中的yhk图像特征,我们先将yhk号所在位置定位。根据图像特征,我们可以将yhk号分为四个小方块进行定位切割。
2、字符分割。根据前面得到的yhk号四个小方块,我们需要将它们顺序切割出每一个字符。
3、字符识别。我们将得到的字符与我们准备好的模板一一进行匹配。这里使用的匹配算法是图像模板匹配。
需要说明的是:本案例是根据特定图像、特定需求设定的算法。并不具有鲁棒性。所以在图像预处理阶段很重要。我们需要提取出我们需要的图像特征,这样才能够进行后续的工作。所以本案例也只是使用传统的图像处理手段实现yhk号识别功能。将大致流程作了一个说明,这里只提供一个参考作用!!!本案例还有一个特别需要注意的就是,我们需要保存切割下来的字符相对于原图像所在的坐标位置。本案例跟OpenCV C++案例实战十《车牌号识别》算法思路非常相似,如果大家感兴趣的话也可以进行参考一下。欢迎大家进行交流学习!!!
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)