1、为了解决上述问题，我们将得到的轮廓在方向投影，确定卡号位置。本系统采用的是逐像素点查找的方法对轮廓区域进行投影。对每列，系统进行逐点查找，统计出每列黑色像素点数目。在将幅空白图中对应列的最下面个点变成黑色的就可以得到垂直投影图。将得到的轮廓垂直投影结果如图所示。图垂直投影图通过垂直投影图可以得到银行卡号左右边界，再由轮廓的上下边界就可以得到卡号的区域。使用函数将查找得到的区域绘制出来，如图所示。图银行卡卡号定位图将提取出的卡号二值化。得到的提取图如图所示。图提取二值图第章字符分割模块引言由于文字信息在现今社会的广泛应用，计算机视觉研究的重要方向之字符图像的分割与识别技术得到了越来越多的重视，可用于生活中的许多方面，例如手写体和印刷体文字的识别，门牌号的识别，支票上签名的识别，工程图纸的数字化，机器人视觉导航，以及各种表单车辆牌照的识别。这。
2、置不同，无法直接与模版字符匹配。为了使字符图像可以与模版匹配，必须对图像进行归化处理。图像归化般分为大小位置和笔划粗细等归化。由于系统识别的字符是阿拉伯数字的印刷体，所以只需要进行大小和位置归化处理。本文的字符图像归化通过调用中函数将得到的字符大小变成与模版字符大小致。方便字符识别。第章字符识别模块字符识别模块主要实现卡号字符识别功能即将处理好的卡号字符与模版相对比，在数字模板库中找到和待识卡号字符匹配的字符，从而完成字符的识别。银行卡的卡号字符都是规范的印刷单位且样本的空间比较小，基于这些特点，本文采用模板匹配法来进行卡号识别。将提取出的字符图像与模版对比，即可识别出银行卡的卡号。本系统采取的对比方法是逐像素点比对。通过对字符图像和各个模版进行逐点对比，计算出比对的相同像素点数目，然后比较各个模版相似度，得到字符图像的数字。测试结果如图。
3、法将彩色图像中的三分量的亮度作为三个灰度图像灰度值，可根据需要选取种灰度图像。其中,为转换后的灰度图像在,处的灰度值。最大值法将彩色图像中的三分量亮度的最大值作处理效果就如其名字样，我们通过膨胀连接相近的图像区域，通过腐蚀去除孤立细小的色块。通过这步，我们将所有的银行卡卡号字符连通起来，这样为我们接下来通过轮廓识别来得到卡号区域做准备。由于字符都是横向排列的，因此要连通这些字符我们只需进行横向的膨胀即可。然后可以通过检测图片的轮廓得到卡号所处的区域并提取出来。将图的二值图进行膨胀得到的图像如图所示。图膨胀图经过上步操作，理论上来说银行卡上的字符连通成个矩形区域，我们可以发现出了卡号区域还有些黑色区域，我们可以使用腐蚀变换来消除些。对图的图像进行腐蚀变换消除部分较小的黑色区域。图腐蚀图轮廓提取通过轮廓提取我们可以定位卡号区域。里提取目标轮廓。
4、些广泛的应用领域都说明字符图像分割与识别技术有着重要的意义。字符分割常用的分割方法有阈值法区域生长法分裂合并法边缘检测法人工神经网络法基于模糊集理论法分类器和聚类法等。本系统字符定位分割方法是将将提取出卡号二值图进行方向膨胀腐蚀使每个字符变成个黑块。由于银行卡卡号字符之间有定距离，系统采用对银行卡卡号字符垂直投影，在垂直方向上的投影值不为零的区域有字符，然后以银行卡卡号的下边界和左边界的交点为起点，沿轴进行搜索，找到每个卡号。然后将图像进行和方向的投影得到图像中字符位置。接着通过投影位置可以把字符分割出来。将得到的二值图在方向投影，得到垂直投影图图。图字符垂直投影图根据垂直投影图进行处理，可以从银行卡卡号中分割出单个的卡号字符图像。卡号的分割如图所示。注意图中每个字符周围的线框就是分割的位置。图字符分割图图像归化上面得到的字符图像大小不，。
5、卡号码，可以广泛的应用在各个领域。银行卡号识别的研究现状在图像字符识别方面，现在大多采用的是神经网络差别不等式模板匹配等技术。神经网络具有推广能力并行处理和自组织性等特性，因此它适合用于图像识别。特别在图像进行特征提取和识别时，神经网络明显优于传统的识别方法。目前使用最为广泛的神经网络是网，它对样本的识别率虽然很高。但网络训练比较麻烦，需要选择大量的样本才能保证最终的识别结果。同时，在实现过程中，由于受参数初始化的影响，它时常会无法收敛，或陷入局部极值。差别不等式需要每张纸币的特征差别点和选取合适的阈值，这些需要专家根据经验来选择，因此具有较大的主观性。识别的目的和意义本文根据银行卡号的特点，设计了个基于模版匹配的银行卡号识别程序，经过实验发现，这个程序可以比较快速而准确地识别银行卡号，并且基本上可以保证银行卡号识别功能要求。本文通过对图。
6、自动化系专业自动化年级级学号指导教师校内彭洪职称讲师年月日目录摘要„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„英文摘要„„„„„„„„„„„„„„„„„„„„„„„„„„„„„引言„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„„第章绪论„„„„„„„„„„„„„„„„„„„„„„„„„„„„引言„„„„„„„„„„„„„„„„„„„„„„„„„„„„银行卡号识别的研究现状„„„„„„„„„„„„„„„„„„„识别的目的和意义„„„„„„„„„„„„„„„„„„„„„„开源图像库„„„„„„„„„„„„„„„„„„„„„程序的模块„„„„„„„„„„„„„„„„„„„„„„„„„第章图像预处理模块„„„„„„„„„„„„„„„„„„„„„„„引言„„„„„„„„„„„„„„„„„„„„„„„„„„„„灰度化处。
7、来去除图像中不需要的信息。字符分割模块是对预处理后的图像进行卡号字符的准确定位与分割，它是卡号识别系统中个较为关键的模块，卡号定位与分割的准确与否将直接影响系统的识别率。字符分割的准确性依赖于卡号定位和图像的清晰度。如果图像中有着较为明显的干扰和噪声，二值化图像中可能出现字符粘连，需要特殊处理。字符定位是在分割出的图像中找到卡号各个字符所在位置并将其从中分离出来，为后面卡号字符识别作准备。特征提取的主要目的是从那些已分割出来的单个卡号字符图像中提取出用于区分不同字符的本质特征，用来识别。字符识别是在数字模板库中找到和待识字符匹配的字符。模板库是在银行卡号识别系统实现后创建的数字模板库。第章图像预处理模块引言整个识别系统主要由图像预处理模块字符分割模块字符定位模块字符识别模块几个模块组成。下面详细介绍这几个模块是如何用的函数实现的。以张编号。
8、廓查找函数来对银行卡卡号进行定位。这时遇到了个问题，在里用查找轮廓时，有时候无法对个轮廓完整的进行查找，查找轮廓得到的边界往往不包含整个轮廓。所以我加入了方向投影来保证查找的轮廓是完整的。在对不同银行卡进行识别时，由于不同银行卡的数字模版不同，我需要使用不同模版对得到的字符图像进行对比。我在如何对相应银行卡使用相应模版方面遇到了困扰。直到老师提醒了我，我将得到的字符与各种银行卡模版同时使用，最相似的模版对应的数字就是结果，解决了这个问题。致谢语本文是在彭洪老师的悉心指导下完成的。彭洪老师为论文研究思路的设计和文献资料的选择提供了有益的指导，使得论文在成文阶段少走了很多弯路。同时，彭洪老师严谨细致的治学态度也令我受益匪浅。在论文完成之际，谨向彭洪老师致以衷心的感谢。参考文献本科毕业论文题目基于的银行卡号识别姓名邹诚志学院信息科学与技术学院系。
9、像处理与模式识别中已有算法的分析研究，设计并实现了基于模板识别的银行卡号识别系统。不仅可以识银行卡号，其相关技术也可应用到车牌号码护照号身份证号或其他印刷体字符的识别。开源图像库本程序采用了在上采用了工具版本实现了银行卡号的识别。的全称是。是个基于开源发行的跨平台计算机视觉库，可以运行在和操作系统上。它轻量级而且高效由系列函数和少量类构成，同时提供了等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。避免了代码对图像进行处理的繁琐细节，而且由于包含大量的开源图像处理函数，可以方便的对其进行修改和应用，在保证精度的同时大大减少识别的时间。程序的模块银行卡号的自动识别主要包含图的几个模块。图银行卡号识别流程图图像预处理模块是用来进行银行卡卡号识别的前期准备工作的模块。图像处理模块的要求就是把原始图像处理为适合后续模块处理要求的图像。般。
10、的函数是，它的输入图像是幅二值图像，输出的是每个连通区域的轮廓点的集合。外层的代表了图像中轮廓的个数，里面的代表了轮廓上点的个数。更为准确的说，经过上面的操作，我们将原始图片中在方向排列紧密的纵向边缘区域连通成了个矩形区域，除了卡号符合这个特点外，其他些部分如银行名，银行卡标志等可能同样符合。因此我们可能会找到很多这样的区域，这就需要我们进步根据些关于银行卡特点的先验知识对这些矩形进行进步筛选。最终，定位银行卡卡号所在的矩形区。矩形的筛选算法筛选效果的好坏直接决定了整个套识别算法是否能得到个好的结果。我设计的筛选算法主要涉及这几个部分高度图片高度的以上宽度图片宽度的以上位置图片高度的之间大小形状宽高比这个时候遇到了个问题，轮廓查找函数有时无法将个轮廓完整的提取出来。如图所示，这张银行卡提取的结果没有全部包含卡号区域。图检测结果失败图垂直投。
11、为的银行卡为例来介绍系统的整个识别过程。图像预处理模块是用来进行银行卡号识别的前期准备工作的模块。图像处理模块的要求就是把原始图像处理为适合后续模块处理要求的图像。本系统的原始图像采用图像，系统的图像处理模块主要对原始图像进行灰度化二值化等处理。银行卡原始图像如图所示。图原始图像灰度化处理图像灰度化处理就是将指定图像每个像素点的三个分量通过定的算法计算出该像素点的灰度值，使图像只含亮度而不含色彩信息。本程序中开始得到的采集的银行卡图像是彩色图像，其中包含了大量颜色信息，但识别卡号并不需要关心这些颜色信息，这些颜色信息反而会对银行卡卡号的识别造成干扰并且颜色信息浪费了大量数据空间储存。所以可以通过对原始图像进行灰度化处理来去掉银行卡的颜色信息，这样有利于后续模块的处理并且可以节约大量的系统的存储空间。般有以下四种方法对彩色图像进行灰度化。分。
12、所示。图银行卡卡号识别图样本的测试结果表明，系统能正确识别绝大多数的样本，未能达到的正确识别率。经过分析发现识别或匹配失败主要有以下三种原因银行卡图像样本背景太过复杂有些银行卡卡号二值化阈值选取不正确，未能消除背景干扰模板库数字模版样本较少，覆盖面不够广。结论本文通过对图像处理中已有算法的分析研究，借鉴了已有的些程序，实现了银行卡卡号的识别。这个程序不仅可以识别银行卡卡号，其相关技术也可应用到车牌号码护照号身份证号等其他图像识别。在以后的研究工作中，我认为可以从以下几个方面对该系统进行改进。首先，可以加入图像倾斜校正模块，使得样本图像倾斜时可以校正。其次，应该适当扩大数字模板库，使得程序可以识别更多的银行卡类别。最后，通过适当方式增加函数处理图像，使得程序可以识别背景比较复杂的银行卡。在设计这个程序过程中，也遇到了些问题。在开始，我使用的。
参考资料：
1、该文档不包含其他附件(如表格、图纸)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
基于opencv的银行卡号识别毕业论文