首先給大家介紹一下什么是OCR-A字體：

雖然現(xiàn)代 OCR 系統(tǒng)不需要特殊字體（如 OCR-A），但它們?nèi)匀粡V泛用于身份證、報(bào)告和信用卡。

具體教程如下：

1. OCR通過(guò)??模板匹配與OpenCV結(jié)合

在本節(jié)中，我們將使用 Python + OpenCV 來(lái)實(shí)現(xiàn)我們的模板匹配算法來(lái)自動(dòng)識(shí)別信用卡號(hào)。

為了實(shí)現(xiàn)這一點(diǎn)，我們需要應(yīng)用一些圖像處理操作，包括閾值化、計(jì)算梯度幅度表示、形態(tài)學(xué)操作和輪廓提取。

由于應(yīng)用了許多圖像處理操作來(lái)幫助我們檢測(cè)和提取信用卡號(hào)，因此當(dāng)輸入圖像經(jīng)過(guò)我們的圖像處理過(guò)程時(shí)，我已經(jīng)包含了輸入圖像的大量中間截圖。

首先打開(kāi)一個(gè)新文件，命名為：ocr_template_match.py??，插入如下代碼：

要安裝/升級(jí) imutils，只需使用 pip：

$pipinstall--upgradeimutils

現(xiàn)在我們已經(jīng)安裝并導(dǎo)入了包，我們可以解析我們的命令行參數(shù)：

兩個(gè)必需的命令行參數(shù)是：

-Image：圖像的路徑是 OCR 的。

-參考：參考OCR-A圖像的路徑。該圖像包含 OCR-A 字體中的數(shù)字 0-9，允許我們稍后在管道中執(zhí)行模板匹配。

接下來(lái)我們定義信用卡的類(lèi)型：

我們通過(guò)加載參考 OCR-A 圖像來(lái)啟動(dòng)我們的圖像處理管道：

圖 4 顯示了這些步驟的結(jié)果。

現(xiàn)在我們?cè)?OCR-A 字體圖像上找到輪廓：

現(xiàn)在，我們應(yīng)該循環(huán)遍歷輪廓，提取 ROI 并將其與相應(yīng)的數(shù)字相關(guān)聯(lián)：

至此，我們已經(jīng)完成了從參考圖像中提取數(shù)字并將它們與相應(yīng)的數(shù)字名稱相關(guān)聯(lián)的工作。

我們的下一個(gè)目標(biāo)是隔離輸入圖像中的 16 位信用卡號(hào)。我們需要先找到并隔離數(shù)字，然后才能啟動(dòng)模板匹配來(lái)識(shí)別每個(gè)數(shù)字。這些圖像處理步驟非常有趣且富有洞察力。

我們繼續(xù)初始化幾個(gè)構(gòu)造核函數(shù)的結(jié)構(gòu)：

現(xiàn)在讓我們準(zhǔn)備要進(jìn)行 OCR 的圖像：

讓我們看看我們的輸入圖像：

然后我們調(diào)整大小和灰度操作：

現(xiàn)在我們的圖像是灰色的，大小相同，讓我們進(jìn)行形態(tài)學(xué)操作：

通過(guò)頂帽操作，可以在下圖的結(jié)果圖中看到暗背景下的亮區(qū)（即信用卡號(hào)）。

給定我們的高帽圖像，讓我們計(jì)算沿 x 方向的梯度：

結(jié)果如下圖所示：

讓我們繼續(xù)改進(jìn)信用卡數(shù)字查找算法：

這些步驟的結(jié)果如下：

接下來(lái)，我們找到輪廓并初始化數(shù)字分組位置列表。

現(xiàn)在讓我們循環(huán)遍歷輪廓，同時(shí)根據(jù)每個(gè)輪廓的縱橫比進(jìn)行過(guò)濾，這樣我們就可以從信用卡的其他不相關(guān)區(qū)域修剪數(shù)字組的位置：

下圖顯示了我們找到的分組——為了演示目的，我讓 OpenCV 在每個(gè)分組周?chē)?huà)一個(gè)邊框：

接下來(lái)銀行卡流水翻譯模板，我們將從左到右對(duì)組進(jìn)行排序并初始化信用卡數(shù)字列表：

現(xiàn)在我們知道了每個(gè)四位數(shù)的位置，讓我們循環(huán)遍歷四個(gè)已排序的組并確定其中的數(shù)字。

這個(gè)循環(huán)很長(zhǎng)，分為三個(gè)代碼塊——這是第一個(gè)塊：

下面顯示了一組已提取的組：

讓我們使用嵌套循環(huán)來(lái)繼續(xù)循環(huán)以進(jìn)行模板匹配和相似度得分提?。?/p>

*后，我們?cè)诿拷M周?chē)L制一個(gè)矩形，并以紅色文本查看圖像上的信用卡號(hào)：

為了理解腳本的運(yùn)行方式，我們將結(jié)果輸出到終端并在屏幕上顯示我們的圖像。

花點(diǎn)時(shí)間祝賀你——你做到了。要重寫(xiě)（在較高級(jí)別），此腳本：

1）在字典中存儲(chǔ)信用卡類(lèi)型。

2）獲取參考圖像并提取數(shù)字。

3）在字典中存儲(chǔ)號(hào)碼模板。

4） 四個(gè)信用卡號(hào)碼組本地化，每個(gè)號(hào)碼組為四位（共16位）。

5） 提取要匹配的數(shù)字。

6） 對(duì)每個(gè)數(shù)字進(jìn)行模板匹配，將每個(gè)單獨(dú)的ROI與每個(gè)數(shù)字模板0-9進(jìn)行比較，并存儲(chǔ)每次匹配嘗試的分?jǐn)?shù)。

7） 為每個(gè)候選人的號(hào)碼找到*高分，并構(gòu)建一個(gè)名為 output 的列表，其中包含信用卡號(hào)碼。

8） 將信用卡號(hào)和信用卡類(lèi)型輸出到我們的終端，并在我們的屏幕上顯示輸出圖像。

現(xiàn)在是時(shí)候查看腳本運(yùn)行并檢查我們的結(jié)果了。

2.信用卡OCR系統(tǒng)顯示結(jié)果

現(xiàn)在我們已經(jīng)實(shí)現(xiàn)了我們的信用卡 OCR 系統(tǒng)，讓我們來(lái)看看。（源碼在下方原鏈接，直接進(jìn)入“下載”模塊填寫(xiě)郵箱即可獲?。?/p>

我們顯然不能使用真實(shí)的信用卡號(hào)，所以我收集了一些使用 Google 的信用卡示例。這些信用卡顯然是假的，僅用于演示目的。

但是，您可以在此博客中應(yīng)用相同的技術(shù)來(lái)識(shí)別實(shí)際信用卡上的數(shù)字。

要查看我們的信用卡 OCR 系統(tǒng)的運(yùn)行情況，請(qǐng)打開(kāi)一個(gè)終端并執(zhí)行以下命令：

$pythonocr_template_match.py??--referenceocr_a_reference.png

--imageimages/credit_card_05.png

我們的第一個(gè)結(jié)果圖像，100% 正確：

請(qǐng)注意，只需檢查信用卡號(hào)的第一位數(shù)字，即可將信用卡正確標(biāo)記為萬(wàn)事達(dá)卡。

現(xiàn)在你已經(jīng)完成了信用卡的OCR識(shí)別，你是不是很興奮？

*后，讓我們總結(jié)一下：

在本教程中，我們學(xué)習(xí)了如何使用 OpenCV 和 Python 通過(guò)模板匹配來(lái)執(zhí)行光學(xué)字符識(shí)別 (OCR)。

具體來(lái)說(shuō)，我們應(yīng)用我們的模板匹配 OCR 方法來(lái)識(shí)別信用卡類(lèi)型和 16 個(gè)信用卡號(hào)。

為了實(shí)現(xiàn)這一點(diǎn)，我們將圖像處理流程分為四個(gè)步驟：

1） 通過(guò)形態(tài)學(xué)操作、閾值和輪廓提取等多種圖像處理技術(shù)，檢測(cè)信用卡上的四組數(shù)字。

2） 從四組中提取每一個(gè)數(shù)字，得到需要分類(lèi)的16位數(shù)字。

3）通過(guò)比較模板匹配和OCR-A字體來(lái)獲得我們的號(hào)碼分類(lèi)，模板匹配被應(yīng)用于每個(gè)號(hào)碼。

4）查看信用卡卡號(hào)第一位確定發(fā)卡公司。

在評(píng)估我們的信用卡 OCR 系統(tǒng)后，我們發(fā)現(xiàn)它是 100% 準(zhǔn)確的銀行卡流水翻譯模板，只要發(fā)卡公司使用 OCR-A 字體編號(hào)即可。

要擴(kuò)展此應(yīng)用程序，您需要在野外收集信用卡的真實(shí)圖像，并可能通過(guò)標(biāo)準(zhǔn)特征提取或訓(xùn)練或卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練機(jī)器學(xué)習(xí)模型，以進(jìn)一步提高系統(tǒng)的準(zhǔn)確性。

附上原文鏈接：

原作者鏈接：