import cv2
import numpy as np

# 繪圖展示函數(shù)：簡化圖像顯示流程
def cv_show(name, image):
    cv2.imshow(name, image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 輪廓排序函數(shù)：支持左→右、右→左、上→下、下→上
def sort_contours(cnts, method='left-to-right'):
    reverse = False
    i = 0
    if method in ['right-to-left', 'bottom-to-top']:
        reverse = True
    if method in ['top-to-bottom', 'bottom-to-top']:
        i = 1
    boundingBoxes = [cv2.boundingRect(c) for c in cnts]
    (cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),
                                        key=lambda b: b[1][i], reverse=reverse))
    return cnts, boundingBoxes

# 讀取模板圖像
img_template = cv2.imread("sfzh.png")
cv_show('Template Image', img_template)

# 轉(zhuǎn)灰度圖（減少顏色通道干擾）
gray_template = cv2.imread("sfzh.png", 0)

# 二值化：反閾值化（數(shù)字變白，背景變黑）
ret, ref_bin = cv2.threshold(gray_template, 150, 255, cv2.THRESH_BINARY_INV)
cv_show('Binary Template', ref_bin)

# 查找外輪廓（僅保留數(shù)字的外邊界）
_, contours, _ = cv2.findContours(ref_bin, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 按左→右排序輪廓（確保數(shù)字順序是0→9）
sorted_contours, _ = sort_contours(contours, method='left-to-right')

# 可視化輪廓（確認(rèn)數(shù)字是否正確檢測）
cv2.drawContours(img_template, sorted_contours, -1, (0, 255, 0), 2)
cv_show('Template with Contours', img_template)

digits = {}  # 存儲數(shù)字模板：key=數(shù)字索引，value=標(biāo)準(zhǔn)化后的數(shù)字圖像

for idx, contour in enumerate(sorted_contours):
    # 獲取數(shù)字的邊界框
    x, y, w, h = cv2.boundingRect(contour)
    # 提取ROI并擴(kuò)展邊界（避免裁剪數(shù)字）
    roi = ref_bin[y-2:y+h+2, x-2:x+w+2]
    # 統(tǒng)一尺寸為57×88（模板匹配的最佳尺寸）
    roi = cv2.resize(roi, (57, 88))
    # 按位取反（統(tǒng)一為數(shù)字黑、背景白）
    roi = cv2.bitwise_not(roi)
    # 存儲模板
    digits[idx] = roi

# 關(guān)閉所有窗口
cv2.destroyAllWindows()

# 讀取身份證原圖
img_id = cv2.imread('sfz.jpg')
img_copy = img_id.copy()  # 用于后續(xù)繪制結(jié)果
cv_show('Original ID Card', img_id)

# 轉(zhuǎn)灰度圖
gray_id = cv2.imread('sfz.jpg', 0)
cv_show('Gray ID Card', gray_id)

# 二值化（閾值根據(jù)原圖亮度調(diào)整）
ret, id_bin = cv2.threshold(gray_id, 120, 255, cv2.THRESH_BINARY_INV)
cv_show('Binary ID Card', id_bin)

# 查找身份證圖像的所有外輪廓
_, contours_id, _ = cv2.findContours(id_bin.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 篩選號碼區(qū)域：根據(jù)y坐標(biāo)（330~360）和x坐標(biāo)（x>220）定位底部數(shù)字
locs = []
for (i, contour) in enumerate(contours_id):
    x, y, w, h = cv2.boundingRect(contour)
    if 330 < y < 360 and x > 220:
        locs.append((x, y, w, h))

# 按x坐標(biāo)排序（確保數(shù)字從左到右排列）
locs = sorted(locs, key=lambda x: x[0])

output = []  # 存儲最終識別結(jié)果

for (gX, gY, gW, gH) in locs:
    # 1. 提取數(shù)字區(qū)域并擴(kuò)展邊界
    group = gray_id[gY-2:gY+gH+2, gX-2:gX+gW+2]
    # 2. 自適應(yīng)閾值（自動優(yōu)化黑白對比）
    group = cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
    # 3. 統(tǒng)一尺寸為模板大?。?7×88）
    roi = cv2.resize(group, (57, 88))
    # 4. 按位取反（與模板格式一致）
    roi = cv2.bitwise_not(roi)
    
    # 5. 模板匹配：計算當(dāng)前ROI與所有模板的相似度
    scores = []
    for digit, template in digits.items():
        # 使用TM_CCOEFF方法（值越大越匹配）
        result = cv2.matchTemplate(roi, template, cv2.TM_CCOEFF)
        (_, score, _, _) = cv2.minMaxLoc(result)
        scores.append(score)
    
    # 6. 取得分最高的模板對應(yīng)的數(shù)字
    jieguo = str(np.argmax(scores))
    output.append(jieguo)
    
    # （可選）可視化識別結(jié)果：繪制矩形框與數(shù)字文本
    cv2.rectangle(img_copy, (gX-5, gY-5), (gX+gW+5, gY+gH+5), (0, 0, 255), 1)
    cv2.putText(img_copy, jieguo, (gX, gY-15),
                cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)

# 打印識別結(jié)果（拼接成18位身份證號）
print("識別結(jié)果：{}".format("".join(output)))

# 顯示帶識別標(biāo)記的身份證圖像
cv2.imshow('ID Card with Recognition', img_copy)
cv2.waitKey(0)
cv2.destroyAllWindows()

識別結(jié)果：11010119900101123X