4步OpenCV-----扫秒身份证号

这段代码用 OpenCV 做了一份“数字模板字典”，然后在银行卡/身份证照片里自动找到身份证号那一行，把每个数字切出来跟模板比对，最终输出并高亮显示出完整的身份证号码，下面是代码解释：

模块 1 工具箱（通用函数）

目的：

• cv_show：调试时弹窗查看中间图像

• sort_contours：按指定顺序（左→右、上→下等）排列轮廓，避免 OpenCV 随机顺序

代码

def cv_show(name, image):
    cv2.imshow(name, image)
    cv2.waitKey(0)

def sort_contours(cnts, method='left-to-right'):
    reverse = False
    i = 0
    if method in ('right-to-left', 'bottom-to-top'):
        reverse = True
    if method in ('top-to-bottom', '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))
    return cnts, boundingBoxes

注意

• 返回值为元组，后续用 [0] 取排序后的轮廓

• 若数字多行，可将 method 改为 'top-to-bottom'

模块 2 模板制作（生成 0-9 标准模板）

目的

从干净模板图中切出单个数字 → 统一尺寸（57×88）→ 白底黑字，供后续模板匹配

步骤

1. 读图

   img = cv2.imread("picture/TP.png")
   gray = cv2.imread("picture/TP.png", 0)

2. 二值化（数字变白）

   ref = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY_INV)[1]

3. 找轮廓并排序

   _, refCnts, _ = cv2.findContours(ref, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
   refCnts = sort_contours(refCnts, method='left-to-right')[0]

4. 生成模板字典

   digits = {}
   for (i, c) in enumerate(refCnts):
       x, y, w, h = cv2.boundingRect(c)
       roi = ref[y-2:y+h+2, x-2:x+w+2]
       roi = cv2.resize(roi, (57, 88))
       roi = cv2.bitwise_not(roi)  # 白底黑字
       digits[i] = roi

注意

• 模板图需无粘连、无干扰

• 若含小数点/空格，需额外过滤以保证 digits 长度为 10

模块 3 输入图预处理（定位身份证号区域）

目的

在整幅银行卡/身份证中，仅保留“身份证号”水平条带，减少误检

步骤

1. 读图

   img = cv2.imread('picture/card_id.jpg')
   gray = cv2.imread('picture/card_id.jpg', 0)

2. 二值化

   ref = cv2.threshold(gray, 120, 255, cv2.THRESH_BINARY_INV)[1]

3. 找轮廓

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

4. 几何过滤（针对当前图写死坐标）

注意

• 330/360/220 为经验值，换图需调整

• 光照不均时建议自适应阈值或亮度归一化

模块 4 单字符切割 + 模板匹配识别

目的

将单行 ROI 切成单个字符，与模板库 0-9 匹配，得分最高者即为识别结果，并绘制边框与文字

步骤

• 遍历每个候选矩形

  output = []
  for (i, (gX, gY, gW, gH)) in enumerate(locs):
      group = gray[gY-2:gY+gH+2, gX-2:gX+gW+2]
      group = cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
      roi = cv2.resize(group, (57, 88))

• 模板匹配打分

  scores = []
  for (digit, digitROI) in digits.items():
      result = cv2.matchTemplate(roi, digitROI, cv2.TM_CCOEFF)
      (_, score, _, _) = cv2.minMaxLoc(result)
      scores.append(score)
  jieguo = str(np.argmax(scores))
  output.append(jieguo)

• 绘制结果

  cv2.rectangle(imgg, (gX-5, gY-5), (gX+gW+5, gY+gH+5), (0, 0, 255), 1)
  cv2.putText(imgg, jieguo, (gX, gY-15), cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)

• 打印整串号码

  print("Card ID #: {}".format("".join(output)))
  cv2.imshow("Image", imgg)
  cv2.waitKey(0)
  cv2.destroyAllWindows()

注意

• 若印刷为黑底白字，需再次 bitwise_not

• 仅支持数字 0-9；含字母/X 需扩展模板或改用 CNN

• 连体数字需先投影分割再识别