最全openCV实践项目：银行卡卡号识别_thresh,ref= cv2(1)

• 返回排序后的轮廓。

礼帽操作

tophat = cv2.morphologyEx(gray, cv2.MORPH_TOPHAT, rectKernel)

• 原图-开运算，本次实验用它获得我们想要保留的部分。
• 开运算：先腐蚀后膨胀。

闭运算

gradX = cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel)

• 先膨胀后腐蚀，本次实验目的是将每组数“模糊处理”使其连在一起。

模板匹配

res = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)

• 模板匹配和卷积原理很像，假如原图形是AxB大小，而模板是axb大小，则输出结果的矩阵是(A-a+1)x(B-b+1)。
• TM_SQDIFF：计算平方不同，计算出来的值越小，越相关
• TM_CCORR：计算相关性，计算出来的值越大，越相关
• TM_CCOEFF：计算相关系数，计算出来的值越大，越相关
• TM_SQDIFF_NORMED：计算归一化平方不同，计算出来的值越接近0，越相关
• TM_CCORR_NORMED：计算归一化相关性，计算出来的值越接近1，越相关
• TM_CCOEFF_NORMED：计算归一化相关系数，计算出来的值越接近1，越相关

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

• 最小值最大值及其坐标位置，具体看模板匹配使用的方法是什么。

更多初级知识点：

openCV第三篇_老师我作业忘带了的博客-CSDN博客

三、代码部分

3.1 代码讲解

3.1.1 处理模板

• 导包

import cv2
import numpy as np
from imutils import contours # 排序操作，也可以不用。

• 定义绘图展示函数

def cv_show(name, img):
    cv2.imshow(name, img)
    cv2.waitKey(0) # 按键结束
    cv2.destroyAllWindows()

• 模板读取、灰度、二值化

# 读取模板图像
img = cv2.imread('ocr_a_reference.png')

# 转换为灰度图 也可读取时直接转换
ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值图像
ref = cv2.threshold(ref,