OpenCV-Python身份证信息识别 _Python

OpenCV-Python身份证信息识别本篇文章使用OpenCV-Python和CnOcr来实现身份证信息识别的案例。想要识别身份证中的文本信息，总共分为三大步骤：一、通过预处理身份证区域检测查找；二、身份证文本信息提取；三、身份证文本信息识别。下面来看一下识别的具体过程；CnOcr官网。识别过程视频
前置环境这里的环境需要安装OpenCV-Python ， Numpy和CnOcr 。本篇文章使用的Python版本为3.6 ， OpenCV-Python版本为3.4.1.15 ，如果是4.x版本的同学，可能会有一些Api操作不同。这些依赖的安装和介绍，我就不在这里赘述了，均是使用Pip进行安装。
识别过程首先，导入所需要的依赖cv2 ， numpy ， cnocr并创建一个show图像的函数，方便后面使用：
import cv2import numpy as npfrom cnocr import CnOcrdef show(image, window_name):cv2.namedWindow(window_name, 0)cv2.imshow(window_name, image)cv2.waitKey(0)cv2.destroyAllwindows()# 加载CnOcr的模型ocr = CnOcr(model_name='densenet_lite_136-gru')身份证区域查找通过对加载图像的灰度处理–>滤波处理–>二值处理–>边缘检测–>膨胀处理–>轮廓查找–>透视变换（校正）–>图像旋转–>固定图像大小一系列处理之后，我们便可以清晰的裁剪出身份证的具体区域。
原始图像使用OpenCV的imread方法读取本地图片。
image = cv2.imread('card.png')show(image, "image")

文章插图

灰度处理将三通道BGR图像转化为灰度图像，因为一下OpenCV操作都是需要基于灰度图像进行的。
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)show(gray, "gray")

文章插图

中值滤波使用滤波处理，也就是模糊处理，这样可以减少一些不需要的噪点。
blur = cv2.medianBlur(gray, 7)show(blur, "blur")

文章插图

二值处理二值处理，非黑即白。这里通过cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU ，使用OpenCV的大津法二值化，对图像进行处理，经过处理后的图像，更加清晰的分辨出了背景和身份证的区域。
threshold = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV +cv2.THRESH_OTSU)[1]show(threshold, "threshold")

文章插图

边缘检测使用OpenCV中最常用的边缘检测方法， Canny ，检测出图像中的边缘。
canny = cv2.Canny(threshold, 100, 150)show(canny, "canny")

文章插图

边缘膨胀为了使上一步边缘检测的边缘更加连贯，使用膨胀处理，对白色的边缘膨胀，即边缘线条变得更加粗一些。
kernel = np.ones((3, 3), np.uint8)dilate = cv2.dilate(canny, kernel, iterations=5)show(dilate, "dilate")

文章插图

轮廓检测使用findContours对边缘膨胀过的图片进行轮廓检测，可以清晰的看到背景部分还是有很多噪点的，所需要识别的身份证部分也被轮廓圈了起来。

binary, contours, hierarchy = cv2.findContours(dilate, cv2.RETR_EXTERNAL,cv2.CHAIN_AppROX_SIMPLE)image_copy = image.copy()res = cv2.drawContours(image_copy, contours, -1, (255, 0, 0), 20)show(res, "res")

文章插图

轮廓排序经过对轮廓的排序，我们可以准确地提取出身份证的轮廓。

contours = sorted(contours, key=cv2.contourArea, reverse=True)[0]image_copy = image.copy()res = cv2.drawContours(image_copy, contours, -1, (255, 0, 0), 20)show(res, "contours")