import numpy as np
import cv2
import argparse#命令解析模块
import myutils

#设置参数
#1、创建 ArgumentParser() 对象
ap = argparse.ArgumentParser()
# 2、调用 add_argument() 方法添加参数
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")
# 3、使用 parse_args() 解析添加的参数
args= vars(ap.parse_args())

FIRST_NUMBER={
    "3":"American Express",
    "4":"Visa",
    "5":"MasterCard",
    "6":"Discover Card"
}

def cv_show(name,imgs):
    cv2.imshow(name,imgs)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    pass
#读取一个模板图像
img=cv2.imread('images/template1.jpg')
cv_show('img',img)
# 灰度图
ref=cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
cv_show('ref',ref)
# 二值图
ref=cv2.threshold(ref,10,255,cv2.THRESH_BINARY_INV)[1]
cv_show('ref',ref)
# 计算轮廓
#cv2.findContours()函数接受的参数为二值图,cv2.RETR_EXTERANL只检测外轮廓,cv2.CHAIN_APPROX_SIMPLE只保留终点坐标
# 返回的list中每个元素都是图像中的一个轮廓

ref_,refCnts,hierarchy=cv2.findContours(ref.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

cv2.drawContours(img,refCnts,-1,(0,0,255),3)
cv_show('img',img)
print(np.array(refCnts).shape)#展示轮廓个数
refCnts=myutils.sort_contours(refCnts,method='left-to-right')[0]#排序,从左到右,从上到下
digits={}

# 遍历每一个轮廓
for(i,c) in enumerate(refCnts):
    #计算外接矩形并且resize成合适大小
    (x,y,w,h)=cv2.boundingRect(c)
    roi =ref[y:y+h,x:x+w]
    roi=cv2.resize(roi,(57,88))#resize成合适大小,值可以自己取

    #每一个数字对应一个模板
    digits[i]=roi

# 初始化卷积核
rectKernel=cv2.getStructuringElement(cv2.MORPH_RECT,(17,9))
sqKernel=cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))

# 读取输入图像,预处理
image=cv2.imread(args["image"])
cv_show('image',image)
gray=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
cv_show('gray',gray)

# 礼帽操作,突出更明亮的区域 顶帽（Top Hat）：原图与开运算(先腐蚀后膨胀)结果图之差
tophat=cv2.morphologyEx(gray,cv2.MORPH_TOPHAT,rectKernel)
cv_show('tophat',tophat)

gradX=cv2.Sobel(tophat,ddepth=cv2.CV_32F,dx=1,dy=0,ksize=-1)#ksize=-1相当于3*3

gradX=np.absolute(gradX)
(minVal,maxVal)=(np.min(gradX),np.max(gradX))
gradX=(255*((gradX-minVal)/(maxVal-minVal)))#归一化
gradX=gradX.astype('uint8')#转换数组的数据类型。
cv_show('gradX',gradX)

# 通过闭操作(先膨胀,再腐蚀,)将数字连在一起
gradX=cv2.morphologyEx(gradX,cv2.MORPH_CLOSE,rectKernel)
cv_show('gradX',gradX)
# THRESH_OTSU会自动寻找合适的阈值,适合双峰,需把阈值参数设置为0
thresh=cv2.threshold(gradX,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
thresh=cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,sqKernel)#再来一个闭操作
cv_show('thresh',thresh)

# 再来一个闭操作
thresh=cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,sqKernel)#再来一个闭操作
thresh_,threshCnts,hierarchy=cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

cnts=threshCnts
cur_img=image.copy()
cv2.drawContours(cur_img,cnts,-1,(0,0,255),3)
cv_show('img',cur_img)
locs=[]
print('图片尺寸{}'.format(cur_img.shape))

#遍历轮廓
for (i,c) in enumerate(cnts):
    #计算矩形
    (x,y,w,h)=cv2.boundingRect(c)
    ar=w/float(h)
#   选择合适的区域,根据实际任务来,这里的基本都是四个数字一组
    if ar >2.5 and ar<4.0:
        if(w>95 and w<105) and (h>26 and h<35):
#           符合的留下来
            locs.append((x,y,w,h))
# 将符合的轮廓从左到右排序
locs = sorted(locs,key=lambda x:x[0])
print(np.array(locs))
output=[]

# 遍历每一个轮廓中的数字
for (i,(gX,gY,gW,gH)) in enumerate(locs):
    # initialize the list of digits
    groupOutput=[]

    #根据坐标提取每一个组
    group = gray [gY-5:gY+gH+5,gX-5:gX+gW+5]
    cv_show('group',group)
    #预处理
    #自适应阈值方法cv2.THRESH_BINARY | cv2.THRESH_OTSU
    group=cv2.threshold(group,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
    cv_show("group",group)

#   计算每一组轮廓

    group_,digitCnt,hierarchy=cv2.findContours(group.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
    digitCnts = myutils.sort_contours(digitCnt,method="left-to-right")[0]

# 计算每一组中的每一个数值
    for c in digitCnts:
        #找到当前轮廓,resize成合适大小
        (x,y,w,h)=cv2.boundingRect(c)
        roi = group[y:y+h,x:x+w]
        roi=cv2.resize(roi,(57,88))
        cv_show('roi',roi)

        # 计算匹配得分
        scores=[]

        #在模板中计算每一个部分
        for(digit,digitROI) in digits.items():
            #模板匹配
            result=cv2.matchTemplate(roi,digitROI,cv2.TM_CCOEFF)
            (_,score,_,_)=cv2.minMaxLoc(result)
            scores.append(score)

        #得到最合适的数字
        groupOutput.append(str(np.argmax(scores)))

    #绘图
    cv2.rectangle(image,(gX-5,gY-5),
                  (gX+gW+5,gY+gH+5),(0,0,255),1)
    cv2.putText(image,"".join(groupOutput),(gX,gY-15),
                cv2.FONT_HERSHEY_SIMPLEX,0.65,(0,0,255),2)
    output.extend(groupOutput)

#打印结果
print("Credit Card Type:{}".format(FIRST_NUMBER[output[0]]))
print('Credit Card #:{}'.format("".join(output)))
cv2.imshow("Image",image)
cv2.waitKey(0)

排序模块myutils.py

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
        pass
    if method=='top-to-bottom'or method=='bottom-to-top':
        i=1
        pass
    boundingBoxes=[cv2.boundingRect(c) for c in cnts]
    #boundingbox:包装矩形,用一个最小矩形,把找到的形状包起来,获得元组包含x,y,h,w
    (cnts,boundingBoxes)=zip(*sorted(zip(cnts,boundingBoxes),
                                     key=lambda b:b[1][i],reverse=reverse))#zip(*):解压
    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:
        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)
    return resized