模板匹配与银行卡号识别（预告）

目录

一、模板匹配cv2.matchTemplate():

cv2.matchTemplate 函数说明

二、参数传递:

1. add_argument() 方法的参数命名规则

2. 参数传递的两种方式

3. 参数传递的格式规范

三、银行卡号识别案例（预处理）：

一、模板匹配cv2.matchTemplate():

cv2.matchTemplate 函数说明

函数原型：cv2.matchTemplate (image, templ, method, result=None, mask=None)

参数说明：image：待搜索的目标图像（8 位灰度图 / 32 位浮点图，尺寸需大于等于模板图像）templ：模板图像（类型、通道数需与 image 一致，尺寸需小于等于目标图像）method：匹配算法类型，决定匹配度的计算方式，常用取值及规则：

• TM_SQDIFF：平方差匹配法 | 匹配度越高，计算值越小；匹配度越低，计算值越大
• TM_CCORR：相关匹配法 | 匹配度越高，计算值越大；匹配度越低，计算值越小
• TM_CCOEFF：相关系数匹配法 | 匹配度越高，计算值越大；匹配度越低，计算值越小
• TM_SQDIFF_NORMED：归一化平方差匹配法 | 取值范围 [0,1]，匹配度越高值越小
• TM_CCORR_NORMED：归一化相关匹配法 | 取值范围 [0,1]，匹配度越高值越大
• TM_CCOEFF_NORMED：归一化相关系数匹配法 | 取值范围 [-1,1]，匹配度越高值越接近 1result：输出匹配结果矩阵（可选），尺寸为 (W-w+1, H-h+1)，W/H 为目标图像宽 / 高，w/h 为模板宽 / 高mask：模板掩码（可选），仅支持 TM_SQDIFF/TM_CCOEFF_NORMED，需与模板尺寸 / 类型一致

'''-------------------------模板匹配-------------------------''' import cv2 kele = cv2.imread('kele.png') template = cv2.imread('kele_.png') cv2.imshow( 'kele',kele) cv2.imshow( 'template',template) cv2.waitKey(0) h, w = template.shape[:2] res = cv2.matchTemplate(kele, template, cv2.TM_CCOEFF_NORMED) # 返回匹配结果的矩阵,其中每个元素表示该位置与模板的匹配程度 # cv2.minMaxLoc可以获取矩阵中的最小值和最大值，以及最小值的索引号和最大值的索引号 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) # 最小值、最大值、最小值位置、最大值位置 top_left = max_loc # 匹配区域的左上角坐标 bottom_right = (top_left[0] + w, top_left[1] + h) # 匹配区域的右下角坐标 kele_template = cv2.rectangle(kele, top_left, bottom_right, (0, 255, 0), 2) # 绘制矩形 cv2.imshow( 'kele_template', kele_template) cv2.waitKey(0)

运行结果：

二、参数传递:

import argparse import antigravity parse=argparse.ArgumentParser(description='银行卡号识别') parse.add_argument("name",help="输入的姓名") parse.add_argument("-a",default=10,type=int) parse.add_argument("--bb",default=12,type=int) arg=parse.parse_args() name=arg.name a=arg.a b=arg.bb print(a+b) print(f"{name}") parse.print_help()

1.add_argument()方法的参数命名规则

add_argument()方法中第一个参数用于定义参数类型，主要分为两类：

• 可选参数（可替代参数）：参数名以-（短格式，如-i）或--（长格式，如--image）开头，支持设置default默认值（未手动传参时使用），传参时无需严格遵循顺序；
• 位置参数：参数名不带-/--前缀，无默认值特性，必须按照脚本定义的顺序传入参数，是强制必填的参数类型。

2. 参数传递的两种方式

• 方式 1：在命令行窗口直接执行脚本时传入参数；
• 方式 2：在 IDE（如 PyCharm）中修改「运行 / 调试配置」，预先配置好参数后运行脚本。

3. 参数传递的格式规范

• 位置参数：按脚本定义的顺序依次传入，参数之间用空格分隔；
• 可选参数：格式为-参数名 传入值（或--参数名 传入值），多个可选参数之间同样用空格分隔，顺序可自由调整。

修改运行配置传参：

运行结果：

三、银行卡号识别案例（预处理）：

代码：

import numpy as np import argparse import cv2 import myutils ap=argparse.ArgumentParser() ap.add_argument("-i","--image",required=True,help="path to input image") ap.add_argument("-t","--template",required=True,help="path to template OCR-A image") args=vars(ap.parse_args()) FIRST_NUMBER={"3":"American Express", "4":"Visa", "5":"MasterCard", "6":"Discover Card"} def cv_show(name,img): cv2.imshow(name,img) cv2.waitKey(0) img=cv2.imread(args["template"]) cv_show("img",img) ref=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) cv_show("ref",ref) ref=cv2.threshold(ref,10,255,cv2.THRESH_BINARY_INV)[1] cv_show("ref",ref) _,refCnts,hierarchy=cv2.findContours(ref,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) cv2.drawContours(img,refCnts,-1,(255,0,0),3) cv_show("refCnts",img) refCnts=myutils.sort_contours(refCnts,method="left-to-right")[1] digits={} for i,c in enumerate(refCnts): x,y,w,h=c roi=ref[y:y+h,x:x+w] roi=cv2.resize(roi,(57,88)) cv_show("roi",roi) digits[i]=roi print(digits)

解析：这段代码是信用卡数字识别的模板预处理阶段，核心目标是：读取指定的 OCR-A 字体数字模板图像，通过灰度化、二值化、轮廓检测等操作，提取每个数字的独立区域并标准化尺寸，最终构建一个 “数字索引（0-9）→ 对应数字模板图像” 的字典，为后续匹配信用卡图像中的数字做准备。

运行结果：

导入的myutils文件是手写的处理图片中间过程的一个为文件，附上代码：

import cv2 def sort_contours(cnts,method='left-to-right'): reverse=False i=0 if method=='right-to-left' or method=='bottom-to-top': reverse=True if method=='top-to-bottom' or method=='bottom-to-top': i=1 boundingBoxes=[cv2.boundingRect(c) for c in cnts] (cnts,boundingBoxes)=zip(*sorted(zip(cnts,boundingBoxes), key=lambda b:b[1][i],reverse=reverse)) #zip(*...) 使用星号操作符解包排序后的元组列表，并将其重新组合成两个列表：一个包含所有轮廓，另一个包含所有边界框。 return cnts,boundingBoxes def resize(image,width=None,height=None,inter=cv2.INTER_AREA): dim=None (h,w)=image.shape[:2] if width is None and height is None: return image if width is None: r=height/float(h) dim=(int(w*r),height) else: r=width/float(w) dim=(width,int(h*r)) resized=cv2.resize(image,dim,interpolation=inter) #默认为cv2.INTER_AREA，即面积插值，适用于缩放图像。 return resized # for i,j in enumerate([5,6,7]): # print(i,j) # # a=[i for i in range(5)] # print(a) # a=''.join(['4','0','0','0']) # print(a)

下一篇博客我们继续完成完整的银行卡号识别的项目。