模板圖片如下：

需識別的圖片如下：

一、模板預(yù)處理

1.將模板設(shè)置為二值圖

2.檢測模板的輪廓

3.對模板輪廓排序，并將數(shù)字和輪廓一一對應(yīng)，以字典存儲

排序的函數(shù)如下：

排序并存儲：

4.備注

①每一個數(shù)字對應(yīng)的是二值圖截出來的那個數(shù)字圖的矩陣，共10個。

②對每一個數(shù)字進行了尺寸的設(shè)置，其實多大都行，只要后面匹配計算數(shù)值的時候設(shè)置成和模板一樣的就行。

二、圖片預(yù)處理

1.初始化卷積核

在后面對圖像進行形態(tài)學(xué)運算的時候會用到

2.圖片預(yù)處理第一部分

3.圖像預(yù)處理第二部分

最終目的是把卡片上面的數(shù)字部分的坐標(biāo)選出來，因此，在圖像處理過程中，只需要把所有輪廓都畫出來，即可，后面會對輪廓進行處理。

三、輪廓處理

1.大輪廓過濾

由于數(shù)字的輪廓是擁有類似的長寬比，因此每一個輪廓的坐標(biāo)得到的近似矩形，它的長寬比應(yīng)該是相似的，根據(jù)這個特性，選擇出來我們所需要的大輪廓，并把坐標(biāo)及長寬信息以元組形式保存起來。

2.小輪廓分割

以上的循環(huán)， 是把每一個大輪廓（包含4個數(shù)字）切割成4個小輪廓，每一個數(shù)字一個輪廓。同樣使用切割大輪廓的方法并按照輪廓的橫坐標(biāo)進行排序。

在上面的循環(huán)內(nèi)，繼續(xù)補充下面的循環(huán)：

以上的循環(huán)是在上一個大循環(huán)之內(nèi)的。是對于每一個數(shù)值進行計算。通過找到矩形，并設(shè)置成和模板一樣的大小，和模板進行匹配，得到分?jǐn)?shù)。選擇分?jǐn)?shù)最高的那個結(jié)果的索引作為結(jié)果，索引其實就是那個目標(biāo)數(shù)字。

最后直接在原圖上畫出來框，并把數(shù)字填上去，位置相對于卡片數(shù)字有一個15的位移。

以上就是python計算機視覺opencv卡號識別示例詳解的詳細(xì)內(nèi)容，更多關(guān)于python計算機視覺opencv卡號識別的資料請關(guān)注本站其它相關(guān)文章！

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。