0%

OpenCV身份证离线识别技术实战(一)

OpenCV身份证离线识别技术的主要技术就是通过OpenCV找到身份证号码区域,然后通过OCR进行数字识别该区域的截图即可得到身份证号码。本地ORC使用tess-two来完成,Tesseract是C++实现的OCR引擎,在Android中使用不是很方便,需要封装JavaAPI才能在Android平台中进行调用,然而tess-two已经帮我们做好了这些事情,通过集成tess-two就可以很方便的完成文字识别。

总体思路

图像的预处理

1、无损压缩

首先要处理的问题就是图片的大小不一样,因为每台设备的的像素或者说每个图片的大小本身都不一样,处理过程也会有所差异,所以首先解决的问题就是大小统一,先通过无损压缩把图片处理为大小一致的图像。根据经验值(或者说这是处理证件类的通用手法),先把图像处理为640×400的大小。

2、灰度化

现在大部分的彩色图像都是采用RGB颜色模式,处理图像的时候,要分别对RGB三种分量进行处理,实际上RGB并不能反映图像的形态特征,只是从光学的原理上进行颜色的调配。图像灰度化处理可以作为图像处理的预处理步骤,为之后的图像分割、图像识别和图像分析等上层操作做准备。

其实可以仔细想想,如果是处理一张RGB图像的话,一个像素点需要同时处理3个值,灰度化之后只需要处理一个值。如果是对比的话,一个RGB像素点就有256×256×256种可能,但是如果是对比灰度图的像素点,则只有256种可能,65536倍的速度提升,所以很多时候做其他图像处理之前,先转化为灰度图。

图像灰度化处理有分量法、最大值法、平均值法、加权平均法,其中用得较多的是加权平均法。由于人眼对绿色的敏感最高,对蓝色敏感最低,因此,按下式对RGB三分量进行加权平均能得到较合理的灰度图像:

3、图像二值化

通过以上对彩色图片进行灰度化以后,把获取到的灰度图像进行二值化处理。对于二值化,其目的是将目标用户背景分类,为后续车道的识别做准备。灰度图像二值化最常用的方法是阈值法,他利用图像中目标与背景的差异,把图像分别设置为两个不同的级别,选取一个合适的阈值,以确定某像素是目标还是背景,从而获得二值化的图像。比如以100为阈值对图像进行二值化操作:

4、膨胀与腐蚀

膨胀与腐蚀属于图像处理中最基本的形态学运算,形态学操作就是基于形状的一系列图像处理操作。OpenCV为进行图像的形态学变换提供了快捷且方便的函数。主要用于噪声消除、分割出独立的图像元素、在图像中连接相邻的元素、寻找图像中的明显的极大值区域或极小值区域、求出图像的梯度。

简单理解,膨胀就是求局部最大值的操作。腐蚀就是求局部最小值的操作。在处理身份证的时候,我们希望把身份证号码等数字区域连接在一起,即在图像中连接相邻的元素,所以需要使用膨胀处理,就跟蒸馒头的酵母粉一样,可以是我们想要的元素膨胀并且黏合在一起。

5、轮廓检测与图像分割

通过图像的膨胀操作,身份证号码区域已经被连接在一起了,目前需要做的事情就是检测出该区域的轮廓,使用拉普拉斯算子可以完成这个操作,OpenCV内部也提供了findContours函数做轮廓检测。

那么如何分割出身份证号码区域呢?其实有一个非常简单的思路,由于身份证号码是一串不换行的数字,宽高比通常是大于9:1的,而且是位于最后一行的,如果有其他的部分的宽高比大于9:1但是却不是位于最后,那么也不能认为是身份证号码,只有坐标是最底部,而且宽高比满足大于9:1的条件才可以。

VS2022 + OpenCV4.5.4

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
#include <iostream>
#include <opencv2/opencv.hpp>
#include <vector>

#define DEFAULT_CARD_WIDTH 640
#define DEFAULT_CARD_HEIGHT 400

#define FIX_IDCARD_SIZE Size(DEFAULT_CARD_WIDTH, DEFAULT_CARD_HEIGHT)

#define FIX_TEMPLATE_SIZE Size(153, 28)

using namespace std;
using namespace cv;

int main() {
std::cout << "Hello, World!" << std::endl;
Mat src = imread("src.png");
imshow("src", src);

//处理身份证
Mat src_img = src;
//1、无损压缩 640*400 (通用卡片类的处理方式)
resize(src_img, src_img, FIX_IDCARD_SIZE);
imshow("dst", src_img);

Mat dst_img;
//2、灰度化
Mat dst;
cvtColor(src_img, dst, COLOR_BGR2GRAY);
imshow("gray", dst);

//3、二值化(降噪)
threshold(dst, dst, 100, 255, THRESH_BINARY);
imshow("threshold", dst);

// 4.1 腐蚀、膨胀
Mat erodeElement = getStructuringElement(MORPH_RECT, Size(20, 10));
erode(dst, dst, erodeElement);
imshow("erode", dst);

//4、轮廓检测,把所有的连续的闭包用矩形包起来
// 一个矩形用两个点表示,contours就包含了很多矩形
vector<vector<Point>> contours;
vector<Rect> rects;

findContours(dst, contours, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));

for (size_t i = 0; i < contours.size(); i++)
{
// 基于两点构建矩形
Rect rect = boundingRect(contours.at(i));
// 绘制矩形
rectangle(dst, rect, Scalar(0, 0, 255));
imshow("contours", dst);
// 对符合条件的图片进行筛选,宽高比大于1:9的
if(rect.width > rect.height*9)
{
cout << "找到了" << endl;
rects.push_back(rect);
rectangle(dst, rect, Scalar(0, 0, 255));

// 还需要再次矫正
//dst_img = src_img(rect);
}
}

// imshow("dst_Img", dst_img);

// 如果只找到了一个矩形,说明这个就是,如果多个就找出纵坐标最低的矩形
if(rects.size() == 1)
{
Rect rect = rects.at(0);
dst_img = src_img(rect);
}else{
int lowPoint = 0;
Rect finalRect;
for (size_t i = 0; i < rects.size(); ++i){
Rect rect = rects.at(i);
Point p = rect.tl();
if(rect.tl().y > lowPoint){
lowPoint = rect.tl().y;
finalRect = rect;
}
}
rectangle(dst, finalRect, Scalar(255, 255, 0));
dst_img = src_img(finalRect);
}

imshow("dst_Img", dst_img);
waitKey();
return 0;
}

CMakeList.txt

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
cmake_minimum_required (VERSION 3.8)

project(opencv_idcard)

set(CMAKE_CXX_STANDARD 11)

add_executable (opencv_idcard "opencv_idcard.cpp" )

set(OpenCV_DIR "D:/develop/opencv-4.5.4/opencv-4.5.4-build")

find_package(OpenCV REQUIRED)

include_directories(${OpenCV_INCLUDE_DIRS})

target_link_libraries(opencv_idcard ${OpenCV_LIBS})

来看看通过一系列的处理效果吧:

接下来要干的事情就主要有两件,首先是集成tess-two到Android,这样离线识别便搞定了,另外一件事情就是图像预处理的代码移植到Android上,这两件事情完成便搞定了身份证号码离线识别的功能了。

  • 本文作者: Tim
  • 本文链接: https://zouchanglin.cn/4212809718.html
  • 版权声明: 本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!