Python使用OpenCV實(shí)現(xiàn)銀行卡卡號(hào)識(shí)別
更新時(shí)間：2026年01月22日 09:43:04 作者：子夜江寒
該文章詳細(xì)介紹了使用Python和OpenCV庫(kù)實(shí)現(xiàn)銀行卡卡號(hào)識(shí)別的流程,包括圖像預(yù)處理、模板匹配、數(shù)字分割和識(shí)別等步驟,并提供了詳細(xì)的代碼示例和參數(shù)說(shuō)明,需要的朋友可以參考下
一、流程概述
采用經(jīng)典的圖像處理流程，主要分為兩個(gè)核心階段：
- 模板預(yù)處理階段：預(yù)先處理標(biāo)準(zhǔn)OCR-A字體模板，提取并存儲(chǔ)每個(gè)數(shù)字的特征模板
- 卡號(hào)識(shí)別階段：對(duì)輸入的銀行卡圖像進(jìn)行多步處理，定位卡號(hào)區(qū)域，分割單個(gè)數(shù)字，通過(guò)模板匹配實(shí)現(xiàn)識(shí)別
整個(gè)系統(tǒng)基于OpenCV庫(kù)實(shí)現(xiàn)。
二、環(huán)境配置與參數(shù)設(shè)置
import numpy as np import argparse import cv2 import myutils from imutils import contours
模塊作用分析：
numpy：提供高效的數(shù)值計(jì)算和數(shù)組操作argparse：Python內(nèi)置庫(kù)，用于解析命令行參數(shù)cv2：OpenCV庫(kù)，核心圖像處理功能myutils：自定義工具模塊，包含輪廓排序等輔助函數(shù)imutils.contours：提供輪廓處理的便捷函數(shù)
三、命令行參數(shù)配置
# 設(shè)置參數(shù)
ap = argparse.ArgumentParser() # 創(chuàng)建ArgumentParser對(duì)象，用于定義和解析命令行參數(shù)
ap.add_argument("-i", "--image", required=True, help="path to input image")
ap.add_argument("-t", "--template", required=True, help="path to template OCR-A image")
args = vars(ap.parse_args()) # 將參數(shù)轉(zhuǎn)換為字典格式，便于訪問(wèn)
# 使用示例：
# python demo47.py -i card1.png -t kahao.png
參數(shù)說(shuō)明：
-i/--image：必需參數(shù)，指定待識(shí)別的銀行卡圖像路徑-t/--template：必需參數(shù)，指定OCR-A模板圖像路徑
四、銀行卡類(lèi)型定義
# 根據(jù)卡號(hào)首位數(shù)字判斷銀行卡類(lèi)型
FIRST_NUMBER = {
"3": "American Express", # 美國(guó)運(yùn)通卡
"4": "Visa", # Visa卡
"5": "MasterCard", # 萬(wàn)事達(dá)卡
"6": "Discover Card" # 發(fā)現(xiàn)卡
}
這個(gè)字典基于銀行卡號(hào)的行業(yè)標(biāo)準(zhǔn)：首位數(shù)字3代表美國(guó)運(yùn)通，4代表Visa，5代表萬(wàn)事達(dá)，6代表發(fā)現(xiàn)卡。
五、輔助函數(shù)定義
def cv_show(name, img): # 圖像顯示函數(shù)
"""顯示圖像并等待按鍵響應(yīng)"""
cv2.imshow(name, img)
cv2.waitKey(0)
這是一個(gè)簡(jiǎn)單的圖像顯示封裝函數(shù)，便于在開(kāi)發(fā)過(guò)程中可視化各個(gè)處理階段的結(jié)果。
六、模板圖像預(yù)處理
6.1 模板加載與初步處理
# 讀取并顯示模板圖像
img = cv2.imread(args["template"])
cv_show('img', img)
# 轉(zhuǎn)換為灰度圖像
ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv_show('ref', ref)
# 二值化處理：黑底白字，便于輪廓檢測(cè)
ref = cv2.threshold(ref, 10, 255, cv2.THRESH_BINARY_INV)[1]
cv_show('ref', ref)
關(guān)鍵步驟解析：
- 灰度轉(zhuǎn)換：將彩色 圖像轉(zhuǎn)換為單通道灰度圖，減少計(jì)算復(fù)雜度
- 二值化：使用閾值處理，將圖像轉(zhuǎn)換為純黑白兩色，便于輪廓提取
THRESH_BINARY_INV：反向二值化，生成黑底白字效果
6.2 輪廓提取與數(shù)字模板建立
# 檢測(cè)輪廓（只檢測(cè)外輪廓）
_, refCnts, hierarchy = cv2.findContours(ref.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 在原始圖像上繪制輪廓（紅色）
cv2.drawContours(img, refCnts, -1, (0, 0, 255), 3)
cv_show('refCnts', img)
# 對(duì)輪廓從左到右排序
refCnts = myutils.sort_contours(refCnts, method="left-to-right")[0]
digits = {} # 存儲(chǔ)數(shù)字模板的字典
# 提取每個(gè)數(shù)字作為模板
for (i, c) in enumerate(refCnts): # 遍歷每個(gè)數(shù)字輪廓
# 計(jì)算輪廓的外接矩形
(x, y, w, h) = cv2.boundingRect(c)
# 提取數(shù)字區(qū)域并縮放到統(tǒng)一尺寸
roi = ref[y:y + h, x:x + w]
roi = cv2.resize(roi, (57, 88)) # 標(biāo)準(zhǔn)化尺寸
cv_show('roi', roi)
digits[i] = roi # 存儲(chǔ)模板：鍵為數(shù)字，值為模板圖像
技術(shù)細(xì)節(jié)：
cv2.findContours()：在二值圖像中查找輪廓RETR_EXTERNAL：僅檢測(cè)最外層輪廓CHAIN_APPROX_SIMPLE：壓縮輪廓點(diǎn)，減少內(nèi)存使用- 模板標(biāo)準(zhǔn)化：將所有數(shù)字縮放到57×88像素，確保后續(xù)匹配的準(zhǔn)確性
七、銀行卡圖像處理流程
7.1 圖像加載與初步調(diào)整
# 讀取待識(shí)別圖像
image = cv2.imread(args["image"])
cv_show('image', image)
# 調(diào)整圖像尺寸，保持寬高比
image = myutils.resize(image, width=300)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv_show('gray', gray)
寬度統(tǒng)一調(diào)整為300像素，既保證處理速度，又維持足夠的分辨率。
7.2 形態(tài)學(xué)處理突出數(shù)字區(qū)域
# 定義形態(tài)學(xué)操作的卷積核
rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3))
sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
# 頂帽操作：突出亮色細(xì)節(jié)，抑制背景
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)
open_img = cv2.morphologyEx(gray, cv2.MORPH_OPEN, rectKernel)
cv_show('open', open_img)
cv_show('tophat', tophat)
形態(tài)學(xué)操作原理：
- 頂帽操作：原始圖像減去開(kāi)運(yùn)算結(jié)果，突出比背景亮的細(xì)小區(qū)域
- 開(kāi)運(yùn)算：先腐蝕后膨脹，消除小物體，平滑邊界
- 銀行卡數(shù)字通常比背景亮，頂帽操作能有效突出這些數(shù)字
7.3 數(shù)字區(qū)域定位與提取
# 第一次閉操作：連接相近的數(shù)字
closeX = cv2.morphologyEx(tophat, cv2.MORPH_CLOSE, rectKernel)
cv_show('close1', closeX)
# 自適應(yīng)閾值二值化
thresh = cv2.threshold(closeX, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
cv_show('thresh', thresh)
# 第二次閉操作：進(jìn)一步連接數(shù)字區(qū)域
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel)
cv_show('close2', thresh)
閉操作的作用：通過(guò)先膨脹后腐蝕，連接相鄰的白色區(qū)域（數(shù)字），將分散的數(shù)字點(diǎn)連接成完整的數(shù)字組。
7.4 數(shù)字組輪廓檢測(cè)與篩選
# 檢測(cè)輪廓
_, cnts, _ = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 可視化所有輪廓
cnts_img = image.copy()
cv2.drawContours(cnts_img, cnts, -1, (0, 0, 255), 3)
cv_show('cnts_img', cnts_img)
# 篩選符合條件的輪廓（銀行卡號(hào)區(qū)域）
locs = []
for c in cnts:
(x, y, w, h) = cv2.boundingRect(c) # 獲取外接矩形
ar = w / float(h) # 寬高比
# 篩選條件：寬高比和尺寸范圍
if 2.5 < ar < 4.0: # 銀行卡號(hào)區(qū)域的典型寬高比
if (40 < w < 55) and (10 < h < 20): # 尺寸范圍
locs.append((x, y, w, h))
# 按x坐標(biāo)排序（從左到右）
locs = sorted(locs, key=lambda x: x[0])
篩選邏輯：
- 寬高比2.5-4.0：匹配銀行卡號(hào)區(qū)域的長(zhǎng)條形特征
- 寬度40-55像素，高度10-20像素：匹配標(biāo)準(zhǔn)尺寸
八、數(shù)字識(shí)別核心算法
8.1 單個(gè)數(shù)字組處理
output = [] # 存儲(chǔ)最終識(shí)別結(jié)果
# 遍歷每個(gè)數(shù)字組（通常一組4個(gè)數(shù)字）
for (gx, gy, gw, gh) in locs:
groupOutput = [] # 存儲(chǔ)當(dāng)前組的識(shí)別結(jié)果
# 提取數(shù)字組區(qū)域，添加5像素邊界
group = gray[gy - 5:gy + gh + 5, gx - 5:gx + gw + 5]
cv_show('group', group)
# 對(duì)數(shù)字組進(jìn)行二值化
group = cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
cv_show('group', group)
# 檢測(cè)組內(nèi)每個(gè)數(shù)字的輪廓
_, digitCnts, _ = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
digitCnts = myutils.sort_contours(digitCnts, method="left-to-right")[0]
8.2 模板匹配識(shí)別數(shù)字
# 識(shí)別組內(nèi)每個(gè)數(shù)字
for c in digitCnts:
# 提取單個(gè)數(shù)字區(qū)域
(x, y, w, h) = cv2.boundingRect(c)
roi = group[y:y + h, x:x + w]
roi = cv2.resize(roi, (57, 88)) # 縮放到模板相同尺寸
cv_show('roi', roi)
# 模板匹配：計(jì)算與每個(gè)模板的相似度
scores = []
for (digit, digitROI) in digits.items():
# 使用相關(guān)系數(shù)匹配法
result = cv2.matchTemplate(roi, digitROI, cv2.TM_CCOEFF)
(_, score, _, _) = cv2.minMaxLoc(result)
scores.append(score)
# 選擇最高得分的數(shù)字
groupOutput.append(str(np.argmax(scores)))
模板匹配原理：
cv2.matchTemplate()：在輸入圖像中搜索與模板匹配的區(qū)域TM_CCOEFF：相關(guān)系數(shù)匹配方法，對(duì)光照變化魯棒np.argmax(scores)：返回最高得分的索引，即識(shí)別出的數(shù)字
8.3 結(jié)果可視化
# 繪制數(shù)字組矩形框（紅色）
cv2.rectangle(image, (gx - 5, gy - 5), (gx + gw + 5, gy + gh + 5), (0, 0, 255), 1)
# 在矩形上方顯示識(shí)別結(jié)果（紅色）
cv2.putText(image, "".join(groupOutput), (gx, gy - 15),
cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)
# 添加到總結(jié)果
output.extend(groupOutput)
九、最終結(jié)果輸出
# 輸出銀行卡類(lèi)型和完整卡號(hào)
print("Credit Card Type: {}".format(FIRST_NUMBER.get(output[0], "Unknown")))
print("Credit Card #: {}".format("".join(output)))
# 顯示最終處理結(jié)果
cv2.imshow("Image", image)
cv2.waitKey(0)
cv2.destroyAllWindows()
以上就是Python使用OpenCV實(shí)現(xiàn)銀行卡卡號(hào)識(shí)別的詳細(xì)內(nèi)容，更多關(guān)于Python OpenCV銀行卡卡號(hào)識(shí)別的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
Python使用WebSocket和SSE實(shí)現(xiàn)HTTP服務(wù)器消息推送方式
本文介紹了兩種實(shí)時(shí)數(shù)據(jù)獲取的技術(shù)：WebSocket和SSE,WebSocket是全雙工通信協(xié)議,支持雙向通信,但需要專門(mén)定義數(shù)據(jù)協(xié)議,SSE是一種單工通信技術(shù),基于HTTP的流式數(shù)據(jù)傳輸,客戶端開(kāi)發(fā)簡(jiǎn)單,但只能單工通信2024-11-11
馬上就到畢業(yè)季了，你心中的那個(gè)學(xué)姐，你真的放下了嗎？本文將用pygame為你的學(xué)姐，定制開(kāi)發(fā)一個(gè)拼圖游戲，感興趣的快跟隨小編一起學(xué)習(xí)一下2022-02-02
為解決python連接sql server是出現(xiàn)的亂碼，需要在連接sql server 時(shí)指定字符集utf8(client charset = UTF-8)，python環(huán)境制定了字符集變量(#coding=utf-8 )2013-01-01
這篇文章主要介紹了Python中多線程的所有方式，包括使用threading模塊、使用concurrent.futures模塊、使用multiprocessing模塊以及使用asyncio模塊，希望對(duì)大家有所幫助2023-05-05
python?字符串常用方法超詳細(xì)梳理總結(jié)
字符串是Python中基本的數(shù)據(jù)類(lèi)型，幾乎在每個(gè)Python程序中都會(huì)使用到它。本文為大家總結(jié)了Python中必備的31個(gè)字符串方法，需要的可以參考一下2022-03-03
python實(shí)現(xiàn)多線程的方式及多條命令并發(fā)執(zhí)行
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)多線程的方式及多條命令并發(fā)執(zhí)行，感興趣的小伙伴們可以參考一下2016-06-06
python實(shí)現(xiàn)對(duì)excel的覆蓋和追加操作
這篇文章主要為大家詳細(xì)介紹了如何使用python實(shí)現(xiàn)對(duì)excel的覆蓋和追加操作,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2026-05-05
這篇文章主要為大家詳細(xì)介紹了Windows下python3.7安裝教程，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-07-07
Python網(wǎng)絡(luò)編程中urllib2模塊的用法總結(jié)
使用urllib2模塊進(jìn)行基于url的HTTP請(qǐng)求等操作大家也許都比較熟悉,這里我們?cè)偕钊雭?lái)了解一下urllib2針對(duì)HTTP的異常處理相關(guān)功能,一起來(lái)看一下Python網(wǎng)絡(luò)編程中urllib2模塊的用法總結(jié):2016-07-07
tensorflow實(shí)現(xiàn)訓(xùn)練變量checkpoint的保存與讀取
今天小編就為大家分享一篇tensorflow實(shí)現(xiàn)訓(xùn)練變量checkpoint的保存與讀取，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-02-02