TOP19基于opencv的银行卡号识别毕业论文.doc文档免费在线阅读
1、手机端页面文档仅支持阅读 15 页,超过 15 页的文档需使用电脑才能全文阅读。
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。
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。
以张编号为的银行卡为例来介绍系。
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。
般用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。
本文通过对图像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,需要选择大量的样图片自动识别银行卡号码,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的卡码就可以确定相应的银行卡。
所以,对银行卡卡号进行识别在进行银行卡服务时有着重要意义。
传统银行卡服务时的人工识别银行卡号码太过费时费力。
所以银行卡号的自动识别变得越来越重要。
本系统可以根据银行卡言银行卡号的识别涉及多个领域,包括模式识别图像处理计算机等多门学科,是门综合性的应用技术。
随着国民经济的高速发展,银行卡的使用越来越频繁。
每张银行卡都有着它的个唯的位编号,只要通过银行卡的言银行卡号的识别涉及多个领域,包括模式识别图像处理计算机等多门学科,是门综合性的应用技术。
随着国民经济的高速发展,银行卡的使用越来越频繁。
每张银行卡都有着它的个唯的位编号,只要通过银行卡的卡码就可以确定相应的银行卡。
所以,对银行卡卡号进行识别在进行银行卡服务时有着重要意义。
传统银行卡服务时的人工识别银行卡号码太过费时费力。
所以银行卡号的自动识别变得越来越重要。
本系统可以根据银行卡图片自动识别银行卡号码,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。
般用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。
分量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
