银行卡卡号识别：C#版本和iOS版本

Posted 2020-09-21 Reach high, for stars lie hidd

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了银行卡卡号识别：C#版本和iOS版本相关的知识，希望对你有一定的参考价值。

（一）图像采集

首先我们要取得待识别的图像。这项工作可以通过数码相机、DV机、工业摄像机、电脑数字摄像头、手机摄像头等设备采集，并从中取得我们要分析的图像信息。

（二）版面分析

取得图像信息后，要对图像整体版面进行分析。这一步工作如果使用通用算法进行分析，则效率很低。通常情况下都需要针对不同的识别对象进行专门的分析及设定，才能取得良好的分析效果。

抠出数字？？？？

倾斜图像校正？？

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

（三）图像灰度化

从采集设备里取得的图像通常都是彩色图像，为了使所分析的图像数据简化，并且不丢失关键信息，需要对图像进行灰度化处理。

　　通常，计算机图像是由一个一个的像素点构成（矢量图除外），每个像素点用RGB模型来标记其颜色。在RGB模型中，如果R=G=B时，则该颜色就表示是一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。

　　一般有以下四种方法对彩色图像进行灰度化：

　　1、分量法。将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。

　　计算公式为：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)为转换后的灰度图像在（i,j）处的灰度值。

　　2、最大值法。将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。

　　计算公式为：f(i,j)=max(R(i,j),G(i,j),B(i,j))

　　3、平均值法。将彩色图像中的三分量亮度求平均得到一个灰度值。

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

　　4、加权平均法：根据重要性及其它指标，将三个分量以不同的权值进行加权平均。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：f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))。

在进行识别时，通常采取第4种方法加权平均法对彩色图像进行灰度化。

（四）图像二值化

灰度化是压缩图像数据的第一步，接下来要对灰度图像进行二值化处理。具体做法就是，首先对256个亮度等级的灰度图像进行计算，取得一个适当的阈值；其次对灰度化图像进行处理，所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值用255表示，否则这些像素点被排除在物体区域以外，灰度值为0，代表背景或者例外的物体区域。
　　完成这一步骤之后，灰度化图像被进一步压缩为二值化图像，每一像素点非黑即白，没有其他任何颜色。只要阈值选取合适，二值化图像仍然可以反映图像整体和局部特征，有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。

上述网址：http://dongtingyueh.blog.163.com/blog/static/4619453201292984842752/

上述网址：http://blog.chinaunix.net/uid-20074343-id-1736180.html

代码参考网站：http://blog.csdn.net/baidu_31981559/article/details/51462426

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

（五）图块切割

经过了前面的灰度化及二值化后，彩色图像被压缩为黑白二色图像。这时就要进行一个关键操作，就是图块切割。

至此，所有字符的上下左右四个边界全部得到，那么这四条边界线围起来的图像区域，就是我们要切割的小图块。

代码参考：http://bbs.csdn.net/topics/392009365?list=lz

EmguCV入门指南-中文翻译版：

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

（六）字符识别

将每个小图块依次送入这一环节进行字符识别，就可以得到最终结果。