一级特色日本黄色,加勒比久操视频,亚洲一线在线免费观看,免费日逼,欧美日一级,国产一站免费,日日撸色丁香五月,操比免费视频

關(guān)注濤濤CV，設(shè)置星標(biāo)，更新不錯(cuò)過

作者Zero___Chen

來源blog.csdn.net/Zero___Chen

本文將使用OpenCV C++ 進(jìn)行銀行卡號(hào)識(shí)別。

主要步驟可以細(xì)分為：

1、獲取模板圖像

2、銀行卡號(hào)區(qū)域定位

3、字符切割

4、模板匹配

5、效果顯示

接下來就具體看看是如何一步步實(shí)現(xiàn)的吧。

一、獲取模板圖像

如圖所示，這是我們的模板圖像。我們需要將上面的字符一一切割出來保存，以便進(jìn)行后續(xù)的字符匹配環(huán)節(jié)。先進(jìn)行圖像灰度、閾值等操作進(jìn)行輪廓提取，這里就不再細(xì)說。這里我想說的是，由于經(jīng)過輪廓檢索，提取出來的字符并不是按（0、1、2…7、8、9）順序排列，所以，在這里我自定義了一個(gè)Card結(jié)構(gòu)體，用于圖像排序。具體請看源碼。

1.1 功能效果

如圖為順序切割出來的模板字符。

1.2 功能源碼

bool Get_Template(Mat temp, vector<Card>&Card_Temp){  //圖像預(yù)處理  Mat gray;  cvtColor(temp, gray, COLOR_BGR2GRAY);
  Mat thresh;  threshold(gray, thresh, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);
  //輪廓檢測  vector <vector<Point>> contours;  findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);  for (int i = 0; i < contours.size(); i++)  {    Rect rect = boundingRect(contours[i]);
    double ratio = double(rect.width) / double(rect.height);    //篩選出字符輪廓    if (ratio > 0.5 && ratio < 1)    {      /*rectangle(temp, rect, Scalar(0, 255, 0));*/      Mat roi = temp(rect);  //將字符扣出，放入Card_Temp容器備用      Card_Temp.push_back({ roi ,rect });    }  }
  if (Card_Temp.empty())return false;
  //進(jìn)行字符排序，使其按（0、1、2...7、8、9）順序排序  for (int i = 0; i < Card_Temp.size()-1; i++)  {    for (int j = 0; j < Card_Temp.size() - 1 - i; j++)    {      if (Card_Temp[j].rect.x > Card_Temp[j + 1].rect.x)      {        Card temp = Card_Temp[j];        Card_Temp[j] = Card_Temp[j + 1];        Card_Temp[j + 1] = temp;      }    }  }
  return true;}

二、銀行卡號(hào)定位

如圖所示，這是本案例需要識(shí)別的銀行卡。從圖中可以看出，我們需要將銀行卡號(hào)切割出來首先得將卡號(hào)分為4個(gè)小塊切割，之后再需要將每一小塊上的字符切割。接下來一步步看是如何操作的。

2.1 將銀行卡號(hào)切割成四塊

首先第一步得先進(jìn)行圖像預(yù)處理，通過灰度、二值化、形態(tài)學(xué)等操作提取出卡號(hào)輪廓。這里的圖像預(yù)處理需要根據(jù)圖像特征自行確定，并不是所有的步驟都是必須的，我們最終的目的是為了定位銀行卡號(hào)所在輪廓位置。這里我使用的是二值化、以及形態(tài)學(xué)閉操作。

      //形態(tài)學(xué)操作、以便找到銀行卡號(hào)區(qū)域輪廓      Mat gray;      cvtColor(src, gray, COLOR_BGR2GRAY);
      Mat gaussian;      GaussianBlur(gray, gaussian, Size(3, 3), 0);
      Mat thresh;      threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU);
      Mat close;      Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5));      morphologyEx(thresh, close, MORPH_CLOSE, kernel2);

經(jīng)過灰度、閾值、形態(tài)學(xué)操作后的圖像如下圖所示。我們已經(jīng)將銀行卡號(hào)分為四個(gè)小矩形塊，接下來只需通過輪廓查找、篩選就可以扣出這四個(gè)ROI區(qū)域了。

      vector>contours;      findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);      for (int i = 0; i < contours.size(); i++)      {            //通過面積、長寬比篩選出銀行卡號(hào)區(qū)域            double area = contourArea(contours[i]);            if (area > 800 && area < 1400)            {                  Rect rect = boundingRect(contours[i]);                  float ratio = double(rect.width) / double(rect.height);                  if (ratio > 2.8 && ratio < 3.1)                  {                        Mat ROI = src(rect);                        Block_ROI.push_back({ ROI ,rect });                  }            }      }

同理，我們需要將切割下來的小塊按照它原來的順序存儲(chǔ)。

      for (int i = 0; i < Block_ROI.size()-1; i++)      {            for (int j = 0; j < Block_ROI.size() - 1 - i; j++)            {                  if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x)                  {                        Card temp = Block_ROI[j];                        Block_ROI[j] = Block_ROI[j + 1];                        Block_ROI[j + 1] = temp;                  }            }      }

2.1.1 功能效果

2.1.2 功能源碼

bool Cut_Block(Mat src, vector<Card>&Block_ROI){  //形態(tài)學(xué)操作、以便找到銀行卡號(hào)區(qū)域輪廓  Mat gray;  cvtColor(src, gray, COLOR_BGR2GRAY);
  Mat gaussian;  GaussianBlur(gray, gaussian, Size(3, 3), 0);
  Mat thresh;  threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU);
  Mat close;  Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5));  morphologyEx(thresh, close, MORPH_CLOSE, kernel2);
  vector<vector<Point>>contours;  findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);  for (int i = 0; i < contours.size(); i++)  {    //通過面積、長寬比篩選出銀行卡號(hào)區(qū)域    double area = contourArea(contours[i]);
    if (area > 800 && area < 1400)    {      Rect rect = boundingRect(contours[i]);      float ratio = double(rect.width) / double(rect.height);
      if (ratio > 2.8 && ratio < 3.1)      {        //rectangle(src, rect, Scalar(0, 255, 0), 2);        Mat ROI = src(rect);        Block_ROI.push_back({ ROI ,rect });      }    }  }    if (Block_ROI.size()!=4)return false;
  for (int i = 0; i < Block_ROI.size()-1; i++)  {    for (int j = 0; j < Block_ROI.size() - 1 - i; j++)    {      if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x)      {        Card temp = Block_ROI[j];        Block_ROI[j] = Block_ROI[j + 1];        Block_ROI[j + 1] = temp;      }    }  }
  //for (int i = 0; i < Block_ROI.size(); i++)  //{  //  imshow(to_string(i), Block_ROI[i].mat);  //  waitKey(0);  //}
  return true;}

2.2 字符切割

由步驟2.1，我們已經(jīng)將銀行卡號(hào)定位，且順序切割成四個(gè)小塊。接下來，我們只需要將他們依次的將字符切割下來就可以了。其實(shí)切割字符跟上面的切割小方塊是差不多的，這里就不再多說了。在這里我著重要說明的是，切割出來的字符相對于銀行卡所在位置。

由步驟2.1，我們順序切割出來四個(gè)小方塊。以其中一個(gè)小方塊為例，當(dāng)時(shí)我們存儲(chǔ)了rect變量，它表示該小方塊相對于圖像起點(diǎn)（X，Y），寬W，高H。而步驟2.2我們需要做的就是將這個(gè)小方塊的字符切割出來，那么每一個(gè)字符相對于小方塊所在位置為起點(diǎn)（x,y），寬w，高h(yuǎn)。所以，這些字符相當(dāng)于銀行卡所在位置就是起點(diǎn)（X+x，Y+y），寬 (w），高（h）。具體請細(xì)看源碼。也比較簡單容易理解。

  //循環(huán)上面切割出來的四個(gè)小塊，將上面的字符一一切割出來。      for (int i = 0; i < Block_ROI.size(); i++)      {            Mat roi_gray;            cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY);

            Mat roi_thresh;            threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU);

            vector> contours;            findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);            for (int j = 0; j < contours.size(); j++)            {                  Rect rect = boundingRect(contours[j]);                  //字符相對于銀行卡所在的位置                  Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height);                        Mat r_roi = Block_ROI[i].mat(rect);                  Slice_ROI.push_back({ r_roi ,roi_rect });                        }      }

同樣，在這里我們也需要將切割出來的字符順序排序。即銀行卡上的號(hào)碼是怎樣排序的，我們就需要怎樣排序保存

  for (int i = 0; i < Slice_ROI.size() - 1; i++)      {            for (int j = 0; j < Slice_ROI.size() - 1 - i; j++)            {                  if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x)                  {                        Card temp = Slice_ROI[j];                        Slice_ROI[j] = Slice_ROI[j + 1];                        Slice_ROI[j + 1] = temp;                  }            }      }

2.2.1 功能效果

如圖為順序切割出來的字符

2.2.2 功能源碼

bool Cut_Slice(vector<Card>&Block_ROI,vector<Card>&Slice_ROI){  //循環(huán)上面切割出來的四個(gè)小塊，將上面的字符一一切割出來。  for (int i = 0; i < Block_ROI.size(); i++)  {    Mat roi_gray;    cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY);
    Mat roi_thresh;    threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU);
    vector <vector<Point>> contours;    findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);    for (int j = 0; j < contours.size(); j++)    {      Rect rect = boundingRect(contours[j]);      //字符相對于銀行卡所在的位置      Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height);        Mat r_roi = Block_ROI[i].mat(rect);      Slice_ROI.push_back({ r_roi ,roi_rect });        }  }
  if (Slice_ROI.size() != 16) return false;
  for (int i = 0; i < Slice_ROI.size() - 1; i++)  {    for (int j = 0; j < Slice_ROI.size() - 1 - i; j++)    {      if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x)      {        Card temp = Slice_ROI[j];        Slice_ROI[j] = Slice_ROI[j + 1];        Slice_ROI[j + 1] = temp;      }    }  }
  //for (int i = 0; i < Slice_ROI.size(); i++)  //{  //  imshow(to_string(i), Slice_ROI[i].mat);  //  waitKey(0);  //}
  return true;}

三、字符識(shí)別

3.1.讀取文件

如圖所示，為模板圖像對應(yīng)的label。我們需要讀取文件，進(jìn)行匹配。

bool ReadData(string filename, vector&label){      fstream fin;      fin.open(filename, ios::in);      if (!fin.is_open())      {            cout << "can not open the file!" << endl;            return false;      }

      int data[10] = { 0 };      for (int i = 0; i < 10; i++)      {            fin >> data[i];      }      fin.close();

      for (int i = 0; i < 10; i++)      {            label.push_back(data[i]);      }      return true;}

3.2.字符匹配

在這里，我的思路是：使用一個(gè)for循環(huán)，將我們切割出來的字符與現(xiàn)有的模板一一進(jìn)行匹配。使用的算法是圖像模板匹配matchTemplate。具體用法請大家自行查找相關(guān)資料。具體請看源碼

3.3.功能源碼

bool Template_Matching(vector<Card>&Card_Temp,  vector<Card>&Block_ROI, vector<Card>&Slice_ROI,  vector<int>&result_index){  for (int i = 0; i < Slice_ROI.size(); i++)  {    //將字符resize成合適大小，利于識(shí)別    resize(Slice_ROI[i].mat, Slice_ROI[i].mat, Size(60, 80), 1, 1, INTER_LINEAR);
    Mat gray;    cvtColor(Slice_ROI[i].mat, gray, COLOR_BGR2GRAY);
    int maxIndex = 0;    double Max = 0.0;    for (int j = 0; j < Card_Temp.size(); j++)    {          resize(Card_Temp[j].mat, Card_Temp[j].mat, Size(60, 80), 1, 1, INTER_LINEAR);
      Mat temp_gray;      cvtColor(Card_Temp[j].mat, temp_gray, COLOR_BGR2GRAY);
      //進(jìn)行模板匹配，識(shí)別數(shù)字      Mat result;      matchTemplate(gray, temp_gray, result, TM_SQDIFF_NORMED);      double minVal, maxVal;      Point minLoc, maxLoc;
      minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);            //得分最大的視為匹配結(jié)果      if (maxVal > Max)      {        Max = maxVal;        maxIndex = j; //匹配結(jié)果      }    }
    result_index.push_back(maxIndex);//將匹配結(jié)果進(jìn)行保存  }
  if (result_index.size() != 16)return false;
  return true;}

四、效果顯示

4.1 功能源碼

bool Show_Result(Mat src,   vector<Card>&Block_ROI,  vector<Card>&Slice_ROI,   vector<int>&result_index){  //讀取label標(biāo)簽  vector<int>label;  if (!ReadData("label.txt", label))return false;
  //將匹配結(jié)果進(jìn)行顯示  for (int i = 0; i < Block_ROI.size(); i++)  {    rectangle(src, Rect(Block_ROI[i].rect.tl(), Block_ROI[i].rect.br()), Scalar(0, 255, 0), 2);  }  for (int i = 0; i < Slice_ROI.size(); i++)  {    cout << label[result_index[i]] << " ";    putText(src, to_string(label[result_index[i]]), Point(Slice_ROI[i].rect.tl()), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2);  }
  imshow("Demo", src);  waitKey(0);  destroyAllWindows();
  return true;}

4.2 效果顯示

如圖所示，為本案例最終的效果展示。

五、源碼

5.1 hpp文件

#pragma once#include<opencv2/opencv.hpp>#include<iostream>
struct Card{  cv::Mat mat;  cv::Rect rect;};
//獲取模板圖像bool Get_Template(cv::Mat temp, std::vector<Card>&Card_Temp);
//將銀行卡卡號(hào)部分切成四塊bool Cut_Block(cv::Mat src, std::vector<Card>&Block_ROI);
//將每一塊數(shù)字區(qū)域切分出單獨(dú)數(shù)字bool Cut_Slice(std::vector<Card>&Block_ROI, std::vector<Card>&Slice_ROI);
//將數(shù)字與模板進(jìn)行模板匹配bool Template_Matching(std::vector<Card>&Card_Temp,   std::vector<Card>&Block_ROI,  std::vector<Card>&Slice_ROI,  std::vector<int>&result_index);
//顯示最終結(jié)果bool Show_Result(cv::Mat src,  std::vector<Card>&Block_ROI,   std::vector<Card>&Slice_ROI,  std::vector<int>&result_index);

5.2 cpp文件

#include<iostream>#include"CardDectection.h"#include<fstream>using namespace std;using namespace cv;

bool Get_Template(Mat temp, vector<Card>&Card_Temp){  //圖像預(yù)處理  Mat gray;  cvtColor(temp, gray, COLOR_BGR2GRAY);
  Mat thresh;  threshold(gray, thresh, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);
  //輪廓檢測  vector <vector<Point>> contours;  findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);  for (int i = 0; i < contours.size(); i++)  {    Rect rect = boundingRect(contours[i]);
    double ratio = double(rect.width) / double(rect.height);    //篩選出字符輪廓    if (ratio > 0.5 && ratio < 1)    {      /*rectangle(temp, rect, Scalar(0, 255, 0));*/      Mat roi = temp(rect);  //將字符扣出，放入Card_Temp容器備用      Card_Temp.push_back({ roi ,rect });    }  }
  if (Card_Temp.empty())return false;
  //進(jìn)行字符排序，使其按（0、1、2...7、8、9）順序排序  for (int i = 0; i < Card_Temp.size()-1; i++)  {    for (int j = 0; j < Card_Temp.size() - 1 - i; j++)    {      if (Card_Temp[j].rect.x > Card_Temp[j + 1].rect.x)      {        Card temp = Card_Temp[j];        Card_Temp[j] = Card_Temp[j + 1];        Card_Temp[j + 1] = temp;      }    }  }
  //for (int i = 0; i < Card_Temp.size(); i++)  //{  //  imshow(to_string(i), Card_Temp[i].mat);  //  waitKey(0);  //}
  return true;}


bool Cut_Block(Mat src, vector<Card>&Block_ROI){  //形態(tài)學(xué)操作、以便找到銀行卡號(hào)區(qū)域輪廓  Mat gray;  cvtColor(src, gray, COLOR_BGR2GRAY);
  Mat gaussian;  GaussianBlur(gray, gaussian, Size(3, 3), 0);
  Mat thresh;  threshold(gaussian, thresh, 0, 255, THRESH_BINARY | THRESH_OTSU);
  Mat close;  Mat kernel2 = getStructuringElement(MORPH_RECT, Size(15, 5));  morphologyEx(thresh, close, MORPH_CLOSE, kernel2);
  vector<vector<Point>>contours;  findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);  for (int i = 0; i < contours.size(); i++)  {    //通過面積、長寬比篩選出銀行卡號(hào)區(qū)域    double area = contourArea(contours[i]);
    if (area > 800 && area < 1400)    {      Rect rect = boundingRect(contours[i]);      float ratio = double(rect.width) / double(rect.height);
      if (ratio > 2.8 && ratio < 3.1)      {        //rectangle(src, rect, Scalar(0, 255, 0), 2);        Mat ROI = src(rect);        Block_ROI.push_back({ ROI ,rect });      }    }  }    if (Block_ROI.size()!=4)return false;
  for (int i = 0; i < Block_ROI.size()-1; i++)  {    for (int j = 0; j < Block_ROI.size() - 1 - i; j++)    {      if (Block_ROI[j].rect.x > Block_ROI[j + 1].rect.x)      {        Card temp = Block_ROI[j];        Block_ROI[j] = Block_ROI[j + 1];        Block_ROI[j + 1] = temp;      }    }  }
  //for (int i = 0; i < Block_ROI.size(); i++)  //{  //  imshow(to_string(i), Block_ROI[i].mat);  //  waitKey(0);  //}
  return true;}

bool Cut_Slice(vector<Card>&Block_ROI,vector<Card>&Slice_ROI){  //循環(huán)上面切割出來的四個(gè)小塊，將上面的字符一一切割出來。  for (int i = 0; i < Block_ROI.size(); i++)  {    Mat roi_gray;    cvtColor(Block_ROI[i].mat, roi_gray, COLOR_BGR2GRAY);
    Mat roi_thresh;    threshold(roi_gray, roi_thresh, 0, 255, THRESH_BINARY|THRESH_OTSU);
    vector <vector<Point>> contours;    findContours(roi_thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);    for (int j = 0; j < contours.size(); j++)    {      Rect rect = boundingRect(contours[j]);      //字符相對于銀行卡所在的位置      Rect roi_rect(rect.x + Block_ROI[i].rect.x, rect.y + Block_ROI[i].rect.y, rect.width, rect.height);        Mat r_roi = Block_ROI[i].mat(rect);      Slice_ROI.push_back({ r_roi ,roi_rect });        }  }
  if (Slice_ROI.size() != 16) return false;
  for (int i = 0; i < Slice_ROI.size() - 1; i++)  {    for (int j = 0; j < Slice_ROI.size() - 1 - i; j++)    {      if (Slice_ROI[j].rect.x > Slice_ROI[j + 1].rect.x)      {        Card temp = Slice_ROI[j];        Slice_ROI[j] = Slice_ROI[j + 1];        Slice_ROI[j + 1] = temp;      }    }  }
  //for (int i = 0; i < Slice_ROI.size(); i++)  //{  //  imshow(to_string(i), Slice_ROI[i].mat);  //  waitKey(0);  //}
  return true;}
bool ReadData(string filename, vector<int>&label){  fstream fin;  fin.open(filename, ios::in);  if (!fin.is_open())  {    cout << "can not open the file!" << endl;    return false;  }
  int data[10] = { 0 };  for (int i = 0; i < 10; i++)  {    fin >> data[i];  }  fin.close();
  for (int i = 0; i < 10; i++)  {    label.push_back(data[i]);  }  return true;}
bool Template_Matching(vector<Card>&Card_Temp,  vector<Card>&Block_ROI, vector<Card>&Slice_ROI,  vector<int>&result_index){  for (int i = 0; i < Slice_ROI.size(); i++)  {    //將字符resize成合適大小，利于識(shí)別    resize(Slice_ROI[i].mat, Slice_ROI[i].mat, Size(60, 80), 1, 1, INTER_LINEAR);
    Mat gray;    cvtColor(Slice_ROI[i].mat, gray, COLOR_BGR2GRAY);
    int maxIndex = 0;    double Max = 0.0;    for (int j = 0; j < Card_Temp.size(); j++)    {          resize(Card_Temp[j].mat, Card_Temp[j].mat, Size(60, 80), 1, 1, INTER_LINEAR);
      Mat temp_gray;      cvtColor(Card_Temp[j].mat, temp_gray, COLOR_BGR2GRAY);
      //進(jìn)行模板匹配，識(shí)別數(shù)字      Mat result;      matchTemplate(gray, temp_gray, result, TM_SQDIFF_NORMED);      double minVal, maxVal;      Point minLoc, maxLoc;
      minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);            //得分最大的視為匹配結(jié)果      if (maxVal > Max)      {        Max = maxVal;        maxIndex = j; //匹配結(jié)果      }    }
    result_index.push_back(maxIndex);//將匹配結(jié)果進(jìn)行保存  }
  if (result_index.size() != 16)return false;
  return true;}
bool Show_Result(Mat src,   vector<Card>&Block_ROI,  vector<Card>&Slice_ROI,   vector<int>&result_index){  //讀取label標(biāo)簽  vector<int>label;  if (!ReadData("label.txt", label))return false;
  //將匹配結(jié)果進(jìn)行顯示  for (int i = 0; i < Block_ROI.size(); i++)  {    rectangle(src, Rect(Block_ROI[i].rect.tl(), Block_ROI[i].rect.br()), Scalar(0, 255, 0), 2);  }  for (int i = 0; i < Slice_ROI.size(); i++)  {    cout << label[result_index[i]] << " ";    putText(src, to_string(label[result_index[i]]), Point(Slice_ROI[i].rect.tl()), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2);  }
  imshow("Demo", src);  waitKey(0);  destroyAllWindows();
  return true;}

5.3 main文件

#include<iostream>#include"CardDectection.h"using namespace std;using namespace cv;
int main(){
  Mat src = imread("card.png");   //源圖像 銀行卡  Mat temp = imread("number.png"); //模板圖像
  if (src.empty() || temp.empty())  {    cout << "no image data !" << endl;    system("pause");    return -1;  }
  vector<Card>Card_Temp;  if (!Get_Template(temp, Card_Temp))  {    cout << "模板切割失敗！" << endl;    system("pause");    return -1;  }

  vector<Card>Block_ROI;  if (Cut_Block(src, Block_ROI))  {    vector<Card>Slice_ROI;    if (Cut_Slice(Block_ROI, Slice_ROI))    {      vector<int>result_index;      if (Template_Matching(Card_Temp, Block_ROI, Slice_ROI, result_index))      {        Show_Result(src, Block_ROI, Slice_ROI, result_index);      }      else      {        cout << "識(shí)別失敗！" << endl;        system("pause");        return -1;      }    }    else    {      cout << "切片失敗！" << endl;      system("pause");      return -1;    }  }  else  {    cout << "切塊失敗！" << endl;    system("pause");    return -1;  }
  system("pause");  return 0;}

總結(jié)

本文使用OpenCV C++進(jìn)行銀行卡號(hào)識(shí)別，關(guān)鍵步驟有以下幾點(diǎn)。

1、銀行卡號(hào)定位。根據(jù)本案例中的銀行卡圖像特征，我們先將銀行卡號(hào)所在位置定位。根據(jù)圖像特征，我們可以將銀行卡號(hào)分為四個(gè)小方塊進(jìn)行定位切割。

2、字符分割。根據(jù)前面得到的銀行卡號(hào)四個(gè)小方塊，我們需要將它們順序切割出每一個(gè)字符。

3、字符識(shí)別。我們將得到的字符與我們準(zhǔn)備好的模板一一進(jìn)行匹配。這里使用的匹配算法是圖像模板匹配。

需要說明的是：本案例是根據(jù)特定圖像、特定需求設(shè)定的算法。并不具有魯棒性。所以在圖像預(yù)處理階段很重要。我們需要提取出我們需要的圖像特征，這樣才能夠進(jìn)行后續(xù)的工作。所以本案例也只是使用傳統(tǒng)的圖像處理手段實(shí)現(xiàn)銀行卡號(hào)識(shí)別功能。將大致流程作了一個(gè)說明，這里只提供一個(gè)參考作用！

本文將使用OpenCV C++ 制作簡易視頻播放器

用于實(shí)現(xiàn)視頻播放基本功能。

1、通過創(chuàng)建滑動(dòng)條來拖動(dòng)視頻畫面。

2、通過按下空格鍵實(shí)現(xiàn)視頻播放與暫停。

3、通過鍵盤←鍵實(shí)現(xiàn)向后快進(jìn)

4、通過鍵盤→鍵實(shí)現(xiàn)向前快進(jìn)

原理都很簡單，通過OpenCV鍵盤響應(yīng)事件waitKey實(shí)現(xiàn)。通過cap.get(CAP_PROP_POS_FRAMES)獲取當(dāng)前視頻播放位置；通過cap.set(CAP_PROP_POS_FRAMES, g_pos)將視頻畫面切換到g_pos所在位置。直接上源碼，具體請看注釋。

一、源碼

#include<iostream>#include<opencv2/opencv.hpp>using namespace std;using namespace cv;
//由于需要使用滑動(dòng)條功能，故設(shè)置全局變量VideoCapture cap;int g_pos = 0; //當(dāng)前視頻幀索引
void func(int,void*){  cap.set(CAP_PROP_POS_FRAMES, g_pos);//將視頻切換到當(dāng)前幀}
int main(){  //讀取視頻文件  cap.open("test.flv");  if (!cap.isOpened())  {    cout << "can not open the video..." << endl;    system("pause");    return -1;  }
  //獲取視頻幀數(shù)  int frame_count = cap.get(CAP_PROP_FRAME_COUNT);
  Mat frame;  while (cap.read(frame))  {    int key = waitKeyEx(30);  //鍵盤響應(yīng)    if (key == 27)    {      break; //按下ESC鍵退出循環(huán)、即視頻播放結(jié)束    }    if (key == 32)    {      waitKey(0); //按下空格鍵暫停視頻播放    }    if (key == 2424832)    {      //鍵盤←鍵向后快進(jìn)      g_pos-=30;      cap.set(CAP_PROP_POS_FRAMES, g_pos);    }    if (key == 2555904)    {      //鍵盤→鍵向前快進(jìn)      g_pos+=30;      cap.set(CAP_PROP_POS_FRAMES, g_pos);    }
    g_pos = cap.get(CAP_PROP_POS_FRAMES); //獲取當(dāng)前視頻幀所在位置
    namedWindow("視頻播放器", WINDOW_AUTOSIZE);    createTrackbar("frame", "視頻播放器", &g_pos, frame_count, func); //通過拖動(dòng)滑動(dòng)條控制視頻播放畫面    imshow("視頻播放器", frame);  }
  cap.release();  destroyAllWindows();  system("pause");  return 0;}