目录

• 前言
• 一、获取模板图像
• 1.1 功能效果
• 1.2 功能源码
• 二、银行卡号定位
• 2.1 将银行卡号切割成四块
• 2.2 字符切割
• 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++ 进行银行卡号识别。主要步骤可以细分为：
1、 获取模板图像
2、银行卡号区域定位
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。

一、获取模板图像
文章图片

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、阈值等操作进行轮廓提取，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。

1.1 功能效果

文章图片

如图为顺序切割出来的模板字符。

1.2 功能源码

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){/*rectangle(temp, rect, Scalar(0, 255, 0)); */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; }

二、银行卡号定位
文章图片

如图所示，这是本案例需要识别的银行卡。从图中可以看出，我们需要将银行卡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操作的。

2.1 将银行卡号切割成四块
首先第一步得先进行图像预处理，通过灰度、二值化、形态学等操作提取出卡号轮廓。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银行卡号所在轮廓位置。这里我使用的是二值化、以及形态学闭操作。

//形态学操作、以便找到银行卡号区域轮廓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、形态学操作后的图像如下图所示。我们已经将银行卡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。

文章图片

vectorcontours; 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 }); }}}

文章图片

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

文章图片

2.1.2 功能源码

bool Cut_Block(Mat src, vector&Block_ROI){//形态学操作、以便找到银行卡号区域轮廓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); vectorcontours; 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; }

2.2 字符切割
由步骤2.1，我们已经将银行卡号定位，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银行卡所在位置。

文章图片

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，这些字符相当于银行卡所在位置就是起点（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。即银行卡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

文章图片

如图为顺序切割出来的字符
2.2.2 功能源码

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; }

三、字符识别
3.1.读取文件

文章图片

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, 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; }

3.2.字符匹配
【C++|C++ OpenCV实现银行卡号识别功能】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&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; }

四、效果显示
4.1 功能源码

bool Show_Result(Mat src, vector&Block_ROI,vector&Slice_ROI, vector&result_index){//读取label标签vectorlabel; 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; }

4.2 效果显示

文章图片


文章图片

如图所示，为本案例最终的效果展示。

五、源码
5.1 hpp文件

#pragma once#include#includestruct Card{ cv::Mat mat; cv::Rect rect; }; //获取模板图像bool Get_Template(cv::Mat temp, std::vector&Card_Temp); //将银行卡卡号部分切成四块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);

5.2 cpp文件

#include#include"CardDectection.h"#includeusing 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){/*rectangle(temp, rect, Scalar(0, 255, 0)); */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){ //形态学操作、以便找到银行卡号区域轮廓 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); vectorcontours; 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 vectorlabel; 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; }

5.3 main文件

#include#include"CardDectection.h"using namespace std; using namespace cv; int main(){ Mat src = https://www.it610.com/article/imread("card.png"); //源图像 银行卡 Mat temp = imread("number.png"); //模板图像 if (src.empty() || temp.empty()) {cout << "no image data !" << endl; system("pause"); return -1; } vectorCard_Temp; if (!Get_Template(temp, Card_Temp)) {cout << "模板切割失败！" << endl; system("pause"); return -1; } vectorBlock_ROI; if (Cut_Block(src, Block_ROI)) {vectorSlice_ROI; if (Cut_Slice(Block_ROI, Slice_ROI)){vectorresult_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++进行银行卡号识别，关键步骤有以下几点。
1、银行卡号定位。根据本案例中的银行卡图像特征，我们先将银行卡号所在位置定位。根据图像特征，我们可以将银行卡号分为四个小方块进行定位切割。
2、字符分割。根据前面得到的银行卡号四个小方块，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。
以上就是C++ OpenCV实现银行卡号识别功能的详细内容，更多关于C++ OpenCV银行卡号识别的资料请关注脚本之家其它相关文章！

推荐阅读

• 

  没有根的虎皮兰还能活吗
• 

  以绿色为话题的作文精选3篇
• 

  Win10如何安装cisco anyconnect client？
• 

  何为烦恼、痛苦?
• 

  魔兽世界治疗宏怎么用 来看看快捷键
• 

  温州城市大学
• 

  因为偷绿色能量被好友删除是怎样的体验？
• 

  2022年下半年全国大学英语四六级考试成绩查询入口
• 

  马扩的生平
• 

  go语言并发库 go语言为什么可以处理高并发
• 

  蔓越莓是圣女果吗
• 

  新京报快评|取消来电显示费，运营商不妨主动些 | 来电显示费
• 

  流放之路到底好不好玩？
• 

  mysql怎么创建生日 mysql自动生成创建时间
• 

  健身的人适合吃什么食物 健身的人都吃什么食物
• 

  洋姜和沙姜一样吗
• 

  藏红花泡水喷脸上对皮肤有什么功效
• 

  CAD2019中HATCH命令是什么意思
• 

  三菱空调怎么开启风速显示处理方法与故障原因说明 ,可能不一定是机子的问题
• 

  抖音换绑手机号对账号有影响吗 抖音换绑手机号对账号有影响吗安全吗

• vue项目中使用websocket的实现
• 面试官（Redis中字符串的内部实现方式是什么（））
• javascript|JavaScript实现飞机大战
• 基于消息队列（RabbitMQ）实现延迟任务
• 实现一个xx公司的仓储管理系统，记录下全栈开发过程中的一些步骤及心得!
• React Draggable 实现拖拽 - 最详细中文教程 - 卡拉云
• netty系列之:EventLoop,EventLoopGroup和netty的默认实现
• php实现web服务器
• Docker|自己动手写Docker系列 -- 3.1构造实现run命令版本的容器
• Java中实现List分隔成子List详解