当前位置：首页 > news >正文

基于OpenCV的银行卡号识别系统：从原理到实现

news 2025/9/9 6:15:44

引言

在现代金融科技应用中，银行卡号的自动识别是一项重要技术。本文将详细介绍如何使用Python和OpenCV库构建一个完整的银行卡号识别系统。该系统能够从银行卡图像中提取卡号信息，并根据卡号首数字判断银行卡类型。

技术栈

OpenCV: 计算机视觉库，用于图像处理和特征提取
NumPy: 科学计算库，用于数组操作和数值计算
argparse: 命令行参数解析库
自定义工具函数: 用于轮廓处理和图像调整

系统架构

1. 模板预处理

系统首先处理OCR-A字体模板图像，提取数字特征作为匹配基准：

# 读取并预处理模板图像
template = cv2.imread(args["template"])
ref = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
ref = cv2.threshold(ref, 127, 255, cv2.THRESH_BINARY_INV)[1]# 提取数字轮廓并创建数字模板字典
refCount, _ = cv2.findContours(ref, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
refCnts = myfun.sort_contours(refCount, method='left-to-right')[0]digits = {}
for (i, cnt) in enumerate(refCnts):(x, y, w, h) = cv2.boundingRect(cnt)roi = ref[y:y+h, x:x+w]roi = cv2.resize(roi, (57, 88))digits[i] = roi

2. 银行卡图像处理

对输入的银行卡图像进行多步预处理，以突出卡号区域：

# 图像预处理流程
img = cv2.imread(args["image"])
img = myfun.resize(img, width=300)  # 统一尺寸
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 灰度化# 形态学操作增强特征
rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 3))
tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)
closeX = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, rectKernel)# 二值化处理
thresh = cv2.threshold(closeX, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
squareKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, squareKernel)

3. 数字区域定位与提取

通过轮廓分析定位银行卡上的数字区域：

# 查找并过滤数字区域轮廓
threshCnts, h = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
locs = []
for (i, cnt) in enumerate(threshCnts):(x, y, w, h) = cv2.boundingRect(cnt)ar = w / float(h)# 根据宽高比和尺寸过滤数字区域if ar > 2.5 and ar < 4.0:if (w > 40 and w < 55) and (h > 10 and h < 20):locs.append((x, y, w, h))locs = sorted(locs, key=lambda x: x[0])  # 按x坐标排序

4. 数字识别与模板匹配

对每个数字区域进行精细处理并匹配：

output = []
for (i, (gX, gY, gW, gH)) in enumerate(locs):groupOutput = []# 提取数字组区域group = gray[gY - 5:gY + gH + 5, gX - 5:gX + gW + 5]# 数字组二值化group = cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]# 提取单个数字轮廓digitCnts, hierarchy = cv2.findContours(group.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)digitCnts = myfun.sort_contours(digitCnts, method="left-to-right")[0]# 单个数字识别for c in digitCnts:(x, y, w, h) = cv2.boundingRect(c)roi = group[y:y + h, x:x + w]roi = cv2.resize(roi, (57, 88))# 模板匹配scores = []for (digit, digitROI) in digits.items():result = cv2.matchTemplate(roi, digitROI, cv2.TM_CCOEFF)(_, score, _, _) = cv2.minMaxLoc(result)scores.append(score)# 选择最佳匹配groupOutput.append(str(np.argmax(scores)))# 在原图上标记识别结果cv2.rectangle(img, (gX - 5, gY - 5), (gX + gW + 5, gY + gH + 5), (0, 0, 255), 1)cv2.putText(img, "".join(groupOutput), (gX, gY - 15), cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)output.extend(groupOutput)

5. 银行卡类型判断

根据识别出的卡号首数字判断银行卡类型：

# 银行卡类型映射
FIRST_NUMBER = {"3": "American Express","4": "Visa","5": "MasterCard","6": "Discover Card"
}# 输出识别结果
print("Credit Card Type: {}".format(FIRST_NUMBER[output[0]]))
print("Credit Card #: {}".format("".join(output)))