OpenCV 入门（七）—— 身份证识别

OpenCV 入门系列：

OpenCV 入门（一）—— OpenCV 基础
OpenCV 入门（二）—— 车牌定位
OpenCV 入门（三）—— 车牌筛选
OpenCV 入门（四）—— 车牌号识别
OpenCV 入门（五）—— 人脸识别模型训练与 Windows 下的人脸识别
OpenCV 入门（六）—— Android 下的人脸识别
OpenCV 入门（七）—— 身份证识别

利用 OpenCV 实现身份证识别 Demo 效果：

2024-4-24.身份证识别Demo效果

主要步骤分为两大步：

  1. 利用 OpenCV 从完整的身份证图片中识别出身份证号码区域，并返回身份证号码的图片
  2. 利用 OCR 识别工具将身份证号码图片识别成文字

实际上身份证识别、银行卡识别都是相同的思路。

1、OpenCV 图像识别

1.1 上层代码过程

在 Activity 中，点击“从相册中查找”按钮从相册中选择一张图片转换为一个 640 * 480 的 Bitmap 设置到 ImageView 中：

class MainActivity : AppCompatActivity() {private lateinit var mBinding: ActivityMainBindingprivate var mFullImage: Bitmap? = nulloverride fun onCreate(savedInstanceState: Bundle?) {super.onCreate(savedInstanceState)mBinding = ActivityMainBinding.inflate(layoutInflater)setContentView(mBinding.root)}/*** 从相册中选择一张图片*/fun search(view: View) {val intent = Intent(Intent.ACTION_PICK)intent.setDataAndType(MediaStore.Images.Media.EXTERNAL_CONTENT_URI, "image/*")startActivityForResult(Intent.createChooser(intent, "选择待识别图片"), REQUEST_CODE)}override fun onActivityResult(requestCode: Int, resultCode: Int, data: Intent?) {super.onActivityResult(requestCode, resultCode, data)if (requestCode == REQUEST_CODE && resultCode == RESULT_OK && data != null) {getResult(data.data)}}private fun getResult(data: Uri?) {// 获取图片路径var imagePath: String? = nullif ("file" == data?.scheme) {Log.i(TAG, "path uri 获得图片")imagePath = data.path} else if ("content" == data?.scheme) {Log.i(TAG, "content uri 获得图片")val filePathColumns = arrayOf(MediaStore.Images.Media.DATA)val cursor = contentResolver.query(data, filePathColumns, null, null, null)if (null != cursor) {if (cursor.moveToFirst()) {val columnIndex = cursor.getColumnIndex(filePathColumns[0])imagePath = cursor.getString(columnIndex)}cursor.close()}}// 根据图片路径生成 Bitmap 并显示if (!TextUtils.isEmpty(imagePath)) {mFullImage?.recycle()mFullImage = toBitmap(imagePath)mBinding.tvIdNumber.text = nullmBinding.ivIdCard.setImageBitmap(mFullImage)}}/*** 根据图片路径生成 Bitmap，宽高要缩放到 STANDARD_ID_CARD_WIDTH* 与 STANDARD_ID_CARD_HEIGHT 的范围内*/private fun toBitmap(imagePath: String?): Bitmap? {if (imagePath == null) {return null}val tempOptions = BitmapFactory.Options()tempOptions.inJustDecodeBounds = trueBitmapFactory.decodeFile(imagePath, tempOptions)// 计算出缩放倍数以及缩放后的宽高var tempWidth = tempOptions.outWidthvar tempHeight = tempOptions.outHeightvar scale = 1while (true) {if (tempWidth <= STANDARD_ID_CARD_WIDTH && tempHeight <= STANDARD_ID_CARD_HEIGHT) {break}tempWidth /= 2tempHeight /= 2scale *= 2}// 利用计算好的宽高与缩放倍数解析出一个 Bitmapval options = BitmapFactory.Options()options.outWidth = tempWidthoptions.outHeight = tempHeightoptions.inSampleSize = scalereturn BitmapFactory.decodeFile(imagePath, options)}companion object {private val TAG = MainActivity::class.java.simpleNameprivate const val REQUEST_CODE = 100private const val STANDARD_ID_CARD_WIDTH = 640private const val STANDARD_ID_CARD_HEIGHT = 480}
}

然后点击“查找 ID”按钮时，将完整的身份证 Bitmap 传给 ImageProcessor 交由 Native 层的 OpenCV 进行识别：

	private var mResultImage: Bitmap? = null/*** 从整张图片中截取出身份证号码区域*/fun searchIdImage(view: View) {mBinding.tvIdNumber.text = nullmResultImage = ImageProcessor.getIdNumberArea(mFullImage, Bitmap.Config.ARGB_8888)mFullImage?.recycle()mBinding.ivIdCard.setImageBitmap(mResultImage)}

ImageProcessor 的内容很简单，就定义了一个 JVM 静态的 Native 方法 getIdNumberArea()：

class ImageProcessor {companion object {init {System.loadLibrary("ID-Recognition")}@JvmStaticexternal fun getIdNumberArea(fullImage: Bitmap?, config: Bitmap.Config): Bitmap}
}

该方法需要得到识别后身份证号区域的 Bitmap。

1.2 Native 识别过程

Native 层首先要解决 Bitmap 与 Mat 之间相互转换的问题。因为我们从上层传到 Native 的待识别图片是 Bitmap，但是 OpenCV 中是没有 Bitmap 对象的，类似的可以被认为是一张图片的结构是 Mat。那么在给 OpenCV 识别前，就要将 Bitmap 转化成 Mat，识别后再将 Mat 转换成 Bitmap 返回给上层。

OpenCV 提供了转换函数 nBitmapToMat2() 和 nMatToBitmap()，我们还需自己实现一个创建 Bitmap 对象的函数 createBitmap()：

#include <jni.h>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;extern "C" {extern JNIEXPORT void JNICALL Java_org_opencv_android_Utils_nBitmapToMat2(JNIEnv *env, jclass, jobject bitmap, jlong m_addr, jboolean needUnPremultiplyAlpha);
extern JNIEXPORT void JNICALL Java_org_opencv_android_Utils_nMatToBitmap(JNIEnv *env, jclass, jlong m_addr, jobject bitmap);/*** 反射调用上层的 Bitmap 的 createBitmap() 创建一个 Bitmap 对象，并且* 将 srcData 的内容填充到 Bitmap 中*/
jobject createBitmap(JNIEnv *env, Mat &srcData, jobject config) {int width = srcData.cols;int height = srcData.rows;// 反射 Bitmap.createBitmap() 并调用以创建 Bitmap 对象jclass bitmapClass = env->FindClass("android/graphics/Bitmap");jmethodID createBitmapMethod = env->GetStaticMethodID(bitmapClass,"createBitmap","(IILandroid/graphics/Bitmap$Config;)Landroid/graphics/Bitmap;");jobject bitmap = env->CallStaticObjectMethod(bitmapClass, createBitmapMethod, width, height,config);// 将 srcData 转换成 bitmapJava_org_opencv_android_Utils_nMatToBitmap(env, bitmapClass, (jlong) &srcData, bitmap);return bitmap;
}
}

接下来再实现 OpenCV 的识别函数：

extern "C"
JNIEXPORT jobject JNICALL
Java_com_opencv_id_recognition_ImageProcessor_getIdNumberArea(JNIEnv *env, jclass clazz,jobject full_image, jobject config) {Mat src_img;Mat dst_img;Mat temp_img;// 1.通过 OpenCV 提供的函数，将上层传来的 Bitmap 转换为 Mat 对象Java_org_opencv_android_Utils_nBitmapToMat2(env, clazz, full_image, (jlong) &src_img, false);// 2.将图片无损压缩至 640 * 400resize(src_img, src_img, FIXED_ID_CARD_SIZE);// 3.灰度化cvtColor(src_img, temp_img, COLOR_BGR2GRAY);// 4.二值化threshold(temp_img, temp_img, 100, 255, THRESH_BINARY | THRESH_OTSU);// 5.膨胀操作Mat eroded_img = getStructuringElement(MORPH_RECT, Size(20, 10));erode(temp_img, temp_img, eroded_img);// 6.轮廓检测vector<vector<Point>> contours;vector<Rect> rects;findContours(temp_img, contours, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));for (int i = 0; i < contours.size(); i++) {Rect rect = boundingRect(contours[i]);if (rect.width > rect.height * 9) {rects.push_back(rect);rectangle(dst_img, rect, Scalar(0, 255, 255));dst_img = src_img(rect);}}// 7.筛选结果，如果 rects 有多个元素，则挑选纵坐标靠下的if (rects.size() == 1) {dst_img = src_img(rects[0]);} else if (rects.size() > 1) {int lowPoint = 0;Rect finalRect;for (auto &rect: rects) {if (rect.tl().y > lowPoint) {lowPoint = rect.tl().y;finalRect = rect;}}rectangle(temp_img, finalRect, Scalar(255, 255, 0));dst_img = src_img(finalRect);}// 8. 根据最终的 Mat 创建 Bitmap 作为返回值jobject bitmap = createBitmap(env, dst_img, config);// 9. 释放资源src_img.release();dst_img.release();temp_img.release();return bitmap;
}

2、OCR 识别

上一步我们能得到一个包含身份证号码的 Bitmap，接下来需要使用 OCR 识别技术将图片中的身份证号码识别成文字。OCR 全称 Optical Character Recognition，是一个对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。

我们使用的是 Tess-two。Tess-two 是 TesseraToolForAndroid 的一个 git 分支，它具有如下特征：

  1. 简单易用
  2. 开源且支持离线使用
  3. 为 Android 平台定制的 Java API

首先我们将识别模型文件 cn.traineddata 拷贝到 /src/main/assets 目录下，在 Activity 的 onCreate() 中启动协程，将该模型文件拷贝到手机中，并初始化 Tess：

	override fun onCreate(savedInstanceState: Bundle?) {...lifecycleScope.launch {initTess()}}private suspend fun initTess() {coroutineScope {// 1.显示进度showProgress()val result = async {mTessBaseAPI = TessBaseAPI()// 2.通过流将识别模型拷贝到手机中try {val inputStream = assets.open("$DEFAULT_LANGUAGE.traineddata")val assetFile = File("/sdcard/tess/tessdata/$DEFAULT_LANGUAGE.traineddata")if (!assetFile.exists()) {assetFile.parentFile?.mkdirs()val fos = FileOutputStream(assetFile)val buffer = ByteArray(2048)var len: Intwhile (inputStream.read(buffer).also { len = it } != -1) {fos.write(buffer, 0, len)}fos.close()}inputStream.close()// init 传入的 datapath 必须是包含 tessdata 的目录return@async mTessBaseAPI?.init("/sdcard/tess", DEFAULT_LANGUAGE) ?: false} catch (e: IOException) {e.printStackTrace()}return@async false}// 3.处理异步任务结果dismissProgress()if (!result.await()) {Toast.makeText(this@MainActivity, "load trainedData failed", Toast.LENGTH_SHORT).show()}}}companion object {private const val DEFAULT_LANGUAGE = "cn"}

注意 TessBaseAPI.init() 的第一个参数，路径必须是包含了 tessdata 目录的父目录，否则初始化会抛异常。

最后，点击“识别文字”按钮时，将被识别的 Bitmap 设置给 Tess 然后获取文字结果即可：

	fun recognition(view: View) {mTessBaseAPI?.setImage(mResultImage)mBinding.tvIdNumber.text = mTessBaseAPI?.utF8TextmTessBaseAPI?.clear()}

当然，从最终的识别结果来看，并没有达到百分百的准确率，这与训练样本的数量不够有关。Tesseract-OCR 的样本训练方法，可参考超级详细的Tesseract-OCR样本训练方法。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/670158.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

ABAP 第二代增强-采购申请子屏幕增强

ABAP 第二代增强-采购申请子屏幕增强

文章目录 第二代增强-采购申请子屏幕增强需求实现过程创建项目运行效果客户屏幕的PBO全局变量获取数据更新数据运行效果查询底表修改数据 第二代增强-采购申请子屏幕增强 需求 实现过程 创建项目 运行效果 客户屏幕的PBO 全局变量 *&------------------------------------…
阅读更多...
社交媒体数据恢复：新浪微博

社交媒体数据恢复：新浪微博

当我们在使用新浪微博时&#xff0c;可能会遇到一些意外情况&#xff0c;如误删微博、账号出现问题等。这时&#xff0c;我们需要进行数据恢复。本文将详细介绍如何在新浪微博中进行数据恢复。 首先&#xff0c;我们需要了解新浪微博的数据恢复功能。根据微博的帮助中心&#…
阅读更多...
安卓跑马灯效果

安卓跑马灯效果

跑马灯效果 当一行文本的内容太多&#xff0c;导致无法全部显示&#xff0c;也不想分行展示时&#xff0c;只能让文字从左向右滚动显示&#xff0c;类 似于跑马灯。电视在播报突发新闻时经常在屏幕下方轮播消息文字&#xff0c;比如“ 快讯&#xff1a;我国选手 *** 在刚刚结束…
阅读更多...
1W 3KVDC 隔离 稳压单输出 DC/DC 电源模块——TPV-SAR系列

1W 3KVDC 隔离 稳压单输出 DC/DC 电源模块——TPV-SAR系列

TPV-SAR系列产品是专门针对PCB上分布式电源系统中需要与输入电源隔离且输出精度要求较高的电源应用场合而设计。该产品适用于&#xff1b;1&#xff09;输入电源的电压变化≤5%&#xff1b;2&#xff09;输入输出之前要求隔离电压≥3000VDC&#xff1b;3&#xff09;对输出电压…
阅读更多...
LeetCode 面试经典150题 228.汇总区间

LeetCode 面试经典150题 228.汇总区间

题目&#xff1a; 给定一个 无重复元素 的 有序 整数数组 nums 。 返回 恰好覆盖数组中所有数字 的 最小有序 区间范围列表 。也就是说&#xff0c;nums 的每个元素都恰好被某个区间范围所覆盖&#xff0c;并且不存在属于某个范围但不属于 nums 的数字 x 。 列表中的每个区…
阅读更多...
oracle 8i系统检查

oracle 8i系统检查

oracle 8i系统检查 set echo on spool d:\bk\1.txt select sysdate from dual; --版本信息 select * from v$version; --安装的产品 col PARAMETER for a50; col value for a10; select * from v$option order by 2; --用户信息 set linesize 100 set pagesize 100 COL USE…
阅读更多...
Python实现2048游戏

Python实现2048游戏

提供学习或者毕业设计使用，功能基本都有，不能和市场上正式游戏相提比论，请理性对待！ 在这篇博客中，我们将使用 Python 和 Pygame 库来编写经典的 2048 游戏。2048 是一个益智类游戏，通过在 4x4 网格上滑动方块并合并它们来创建一个新的数字，直到获得数字 2048 或者无法继…
阅读更多...
有什么方便的教学口语软件？6个软件教你快速练习口语

有什么方便的教学口语软件？6个软件教你快速练习口语

有什么方便的教学口语软件&#xff1f;6个软件教你快速练习口语 以下是六个方便实用的教学口语软件&#xff0c;它们可以帮助您快速练习口语&#xff1a; AI外语陪练: 这是一款知名的语言学习软件&#xff0c;提供多种语言的口语练习课程。它采用沉浸式的学习方法&#xff0…
阅读更多...
Python语言在地球科学中地理、气象、气候变化、水文、生态、传感器等数据可视化到常见数据分析方法的使用

Python语言在地球科学中地理、气象、气候变化、水文、生态、传感器等数据可视化到常见数据分析方法的使用

Python是功能强大、免费、开源&#xff0c;实现面向对象的编程语言&#xff0c;Python能够运行在Linux、Windows、Macintosh、AIX操作系统上及不同平台&#xff08;x86和arm&#xff09;&#xff0c;Python简洁的语法和对动态输入的支持&#xff0c;再加上解释性语言的本质&…
阅读更多...
百科词条创建机构有哪些？

百科词条创建机构有哪些？

在互联网时代&#xff0c;百度百科作为我国最大的中文百科全书&#xff0c;已经成为人们获取知识、查询信息的重要途径。随着百度百科影响力的不断扩大&#xff0c;越来越多的人和企业试图通过创建企业词条来提升自身知名度&#xff0c;企业和个人为了在百度百科上占据一席之地…
阅读更多...
Linux基础之makefile/make

Linux基础之makefile/make

目录 一、背景 二、makefile和make的讲解 2.1 使用方法 2.2 伪目标文件 2.3 文件的属性以及属性的更新 2.4 makefile的自动推导 一、背景 这里会提及为什么要使用makefile和make&#xff0c;以及他们是什么和作用。 会不会写makefile&#xff0c;从一个侧面说明了一个人是…
阅读更多...
C++：哈希表和unordered系列容器的封装

C++：哈希表和unordered系列容器的封装

一、unordered系列关联式容器的介绍 在C98中&#xff0c;STL提供了底层为红黑树结构的一系列关联式容器&#xff0c;在查询时效率可达到log2N&#xff0c;即最差情况下需要比较红黑树的高度次&#xff0c;当树中的节点非常多时&#xff0c;查询效率也不理想。最好的查询是&…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023