銀行卡卡號識別：C#版本和iOS版本

標籤：根據   銀行   丟失   數位   .net   baidu   等於   範圍   針對   

（一）映像採集

    首先我們要取得待識別的映像。這項工作可以通過數位相機、DV機、工業攝像機、電腦數字網路攝影機、手機網路攝影機等裝置採集，並從中取得我們要分析的映像資訊。

 

（二）版面分析

      取得映像資訊後，要對映像整體版面進行分析。這一步工作如果使用通用演算法進行分析，則效率很低。通常情況下都需要針對不同的識別對象進行專門的分析及設定，才能取得良好的分析效果。

 

摳出數字？？？？

傾斜映像校正？？

http://www.doc88.com/p-34555054276.html

 

（三）映像灰階化

      從採集裝置裡取得的映像通常都是彩色映像，為了使所分析的映像資料簡化，並且不丟失關鍵資訊，需要對映像進行灰階化處理。

　　通常，電腦映像是由一個一個的像素點構成（向量圖除外），每個像素點用RGB模型來標記其顏色。在RGB模型中，如果R=G=B時，則該顏色就表示是一種灰階顏色，其中R=G=B的值叫灰階值，因此，灰階映像每個像素只需一個位元組存放灰階值（又稱強度值、亮度值），灰階範圍為0-255。

　　一般有以下四種方法對彩色映像進行灰階化： 

　　1、分量法。將彩色映像中的三分量的亮度作為三個灰階映像的灰階值，可根據應用需要選取一種灰階映像。

　　計算公式為：f1(i,j)=R(i,j) f2(i,j)=G(i,j)f3(i,j)=B(i,j)  其中fk(i,j)(k=1,2,3)為轉換後的灰階映像在（i,j）處的灰階值。

　　2、最大值法。將彩色映像中的三分量亮度的最大值作為灰階圖的灰階值。 

　　計算公式為：f(i,j)=max(R(i,j),G(i,j),B(i,j))

　　3、平均值法。將彩色映像中的三分量亮度求平均得到一個灰階值。 

　　計算公式為：f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3

　　4、加權平均法：根據重要性及其它指標，將三個分量以不同的權值進行加權平均。由於人眼對綠色的敏感最高，對藍色敏感最低，因此，按下式對RGB三分量進行加權平均能得到較合理的灰階映像：f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))。

在進行識別時，通常採取第4種方法加權平均法對彩色映像進行灰階化。

  

（四）映像二值化

    灰階化是壓縮映像資料的第一步，接下來要對灰階映像進行二值化處理。具體做法就是，首先對256個亮度等級的灰階映像進行計算，取得一個適當的閾值；其次對灰階化映像進行處理，所有灰階大於或等於閾值的像素被判定為屬於特定物體，其灰階值用255表示，否則這些像素點被排除在物體地區以外，灰階值為0，代表背景或者例外的物體地區。
　　完成這一步驟之後，灰階化映像被進一步壓縮為二值化映像，每一像素點非黑即白，沒有其他任何顏色。只要閾值選取合適，二值化映像仍然可以反映映像整體和局部特徵，有利於映像的進一步處理，使映像變得簡單，而且資料量減小，能凸顯出感興趣的目標的輪廓。

 

上述網址：http://dongtingyueh.blog.163.com/blog/static/4619453201292984842752/

 上述網址：http://blog.chinaunix.net/uid-20074343-id-1736180.html

代碼參考網站：http://blog.csdn.net/baidu_31981559/article/details/51462426

http://www.bubuko.com/infodetail-318130.html

 

（五）圖塊切割

    經過了前面的灰階化及二值化後，彩色映像被壓縮為黑白二色映像。這時就要進行一個關鍵操作，就是圖塊切割。

    至此，所有字元的上下左右四個邊界全部得到，那麼這四條邊界線圍起來的映像地區，就是我們要切割的小圖塊。

代碼參考：http://bbs.csdn.net/topics/392009365?list=lz

 EmguCV入門指南-中文翻譯版：

http://wenku.baidu.com/view/d4217a62af1ffc4ffe47ac27.html

 

（六）字元識別

    將每個小圖塊依次送入這一環節進行字元識別，就可以得到最終結果。

    這一環節的字元識別運算包含兩個步驟。

    一是歸一化。歸一化的目的是將所有小圖塊轉換為相同大小的映像。前面說了，字元寬度只是近似相同，並不一定完全相同。可以比較明顯的看出來，數字“1”比數字“0”或“8”要窄的多，所以為了能夠使用模板進行統一匹配，需要將每個字元圖塊轉換為相同大小。

    二是模板匹配。既然是用模板匹配技術來實現映像和字元的匹配，那麼首先得有模板。每個字元就是一個模板。

通過提取的特徵值，識別的演算法有很多，包括分類器演算法，模板匹配演算法，基於機率統計的Bayes分類器演算法，群集演算法等。

 

Emgucv參考文獻：

http://wenku.baidu.com/link?url=57aywD0Q6WTnl7XKbIHuEwWENnSuPS32QO8X0a0gHpOOzdnNt_K0mK2cucVaEHVSQ0XJ69MpAe0I6UXwozEQaEMAAQsWXHP4w-Ly_xjW4sm

 

tesseract-ocr 實現圖片識別功能：

http://www.52itstyle.com/thread-4803-1-1.html

 

 

代碼部分： 

C#版本：連結：http://pan.baidu.com/s/1dE1CfXB 密碼：dlqf

iOS版本：連結：http://pan.baidu.com/s/1slNiAOt 密碼：dvjh

 

銀行卡卡號識別：C#版本和iOS版本