基于OpenCV的银行卡号识别算法研究

基于OpenCV的银行卡号识别算法研究

董延华，陈中华，蔡喜欣，黄 雨*

【摘 要】互联网+战略的提出及移动互联技术迅速普及，使用基于手机移动端的支付业务越来越频繁.本文针对移动终端支付时需要输入银行卡号，存在复杂性、易忘性、易错性、风险性等问题，提出了一种基于OpenCV的快捷银行卡号识别方法.重点阐明了这一方法的实现基本过程及所需要的OpenCV函数，从而完整实现了基于移动端的识别银行卡号技术，在移动互联网络及电子支付等方面具有一定的实用价值，同时也为数字字符的识别技术提供了借鉴. 【期刊名称】吉林师范大学学报（自然科学版） 【年(卷),期】2017(038)003 【总页数】4

【关键词】OpenCV;银行卡号;数字识别;模式识别

随着互联网+战略推动电子商务的迅猛发展，网络支付已然成为人们生活重要的支付形式.根据最新报告显示，2016年“双十一”全网销售额1 770.4亿元，移动终端交易所占比为82.04%.

目前，人们越来越依赖移动终端支付如手机充值、购物付款、快捷转账、红包提现等等都可以通过手机进行操作.这就需要将手机和银行卡绑定，传统手动输入银行卡号码，存在容易忘记、容易出错、输入速度慢、用户体验不足等问题. 人们在体验互联网带来的便捷购物方式的同时，对基于手机的移动支付提出了更高要求.所以，在移动终端上更简洁地识别出银行卡号，进而快速准确地完成银行卡与移动支付方式的绑定成为研究的热点.本文将着重研究基于OpenCV的银行卡识别系统的实现.

1 基于OpenCV卡号识别方案

OpenCV(Open Source Computer Visual Library)，是一种跨平台(Linux、Windows、Mac OS等操作系统)开源的计算机视觉库，由一系列的C函数和一部分C++类组成，包含了图像处理，模式识别，机器学习等各种算法，同时提供了Python、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法，因此极大地方便了图像处理和视频技术的二次开发.

OpenCV具备强大的图像处理和矩阵运算能力，有效提高开发效率和程序运行的可靠性[1].

OpenCV主体分为五个模块，其中四个模块如图1所示.

本文基于OpenCV对银行卡号进行识别，将拍摄到的或者预先保存的银行卡图像进行灰度化、二值化、降噪等先期处理工作，再定位银行卡号，最后对银行卡号进行识别比对工作，将识别到的卡号以文本形式输出，并存储于系统中，简化繁琐的手工录入.具体流程图如图2所示.

2 图像预处理

2.1 灰度化

通常拍摄或者保存的银行卡图像都是彩色图像，处理图像的时候，要分别对RGB三种颜色分量进行处理，加大计算量与计算时间.灰度图像就足以表现卡号的形态特征，并且比彩色图像所占存储空间小.为了优化系统，必须把原信用卡图像转换成8位的灰度值图像后，继续进行后面的工作.

灰度化的方法有四种.其中分量法、平均法、最大值法这三种方法实现简单，但只对红蓝绿三个分量做同等处理，并没有体现出不同分量的重要性.第四种加权平均法，可以为三个分量设置不同的权值，体现每个分量不同的重要性，使得

灰度化结果更为合理，更符合实际应用的需要，是目前最常用的方法. 第四种加权平均法的具体算法如下： f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j). (1) 2.2 二值化

原图像灰度化处理后，得到的灰度图像仍然不方便处理，所以需要进行下一步的二值化处理.二值化即图像中只包含两种像素值，255代表白色和0代表黑色.二值化处理需要通过函数计算出一个阈值T分割所有像素点，大于阈值的像素点变为255白色，小于阈值的像素点变为0黑色[3].二值化处理后的图像只包含两种像素值，从而将目标待识别号码与背景图像分离出来，方便进行后续操作. . (2)

在OpenCV中，通过cvAdaptiveThreshold()函数得到.具体方法如下： cvAdaptiveThreshold(const CVArr* yuantu,CvArr* xintu,double yuzhi，double

zuidazhi,threshold_type=CV_THRESH_BINARY,int

block_size(b)=3,double param1=5).

将block_size的值设定为23，此值需设置大一些，阈值的“自适应程度”比较低，这样才能对图像进行二值化处理. 2.3 噪声去除

手机通过摄像头识别银行卡时，由于存在各种外界干扰因素，所以获取到的图像会带有噪声，这会影响卡号的识别.所以需要将噪声减少，甚至去除.在