【卡号识别】基于matlab分割法银行卡数字识别【含Matlab源码 312期】

一、背景简介

近几年来我国互联网金融飞速发展，网上资金交易逐渐成为日常生活中的主流消费方式。在进行网上资金操作时，往往涉及到对银行卡的操作。在输入银行卡号时，若能通过银行卡图像直接快速准确识别出银行卡号，其在电子支付的便利性、安全性等方面的应用，将会给人们的生活带来更大的便利。今天就给大家展示一下如何使用matlab如何识别银行卡号。

二、部分源代码

%训练银行卡样本集(输入向量和目标向量)----hty
clc;
clear;
close all
trainNum=4;
for classnum=0:9
for kk=0:trainNum-1 
    %p1=ones(28,28);% 初始化28×28的二值图像像素值(全白)
    switch classnum
        case 0 
            m =strcat('train\0\',int2str(kk+1),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)  
        case 1
             m =strcat('train\1\',int2str(kk+1),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)  
        case 2
             m =strcat('train\2\',int2str(kk+1),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
        case 3
             m =strcat('train\3\',int2str(kk+1),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
        case 4
             m =strcat('train\4\',int2str(kk+1),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
        case 5
             m =strcat('train\5\',int2str(kk+1),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
        case 6
             m =strcat('train\6\',int2str(kk+1),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
        case 7
             m =strcat('train\7\',int2str(kk+1),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
        case 8
             m =strcat('train\8\',int2str(kk+1),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
        case 9
             m =strcat('train\9\',int2str(kk+1),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
    end
    x=imread(m,'jpg');% 读入训练样本图像文件  
    if(length(size(x))>2)
        x=rgb2gray(x);
    end
%     [labels,bw]=KmeansSg(x,3);
%     if(classnum==0||classnum==4)
%     [L, num] = bwlabel(bw, 8);
%     for i=1:num
%         if(size(find(L==i))<300)
%             bw(L==i)=0;
%         end
%     end
%     end
%         figure;
%     imshow(bw,[]);
%     bw=Otsu(x);
%     bw=edge(x,'canny');
%     bw=im2bw(x,0.25);% 将读入的训练样本图像转换为二值图像  
%     figure;
%     imshow(bw,[]);
%     bw=im2uint8(bw);
    bw=imresize(x,[28,28]);
%     figure;
%     imshow(bw,[]);
%     [i,j]= find(bw==0);% 寻找二值图像中像素值为0(黑)的行号和列号  
%     imin=min(i);% 寻找二值图像中像素值为0(黑)的最小行号 
%     imax=max(i);% 寻找二值图像中像素值为0(黑)的最大行号   
%     jmin=min(j);% 寻找二值图像中像素值为0(黑)的最小列号   
%     jmax=max(j);% 寻找二值图像中像素值为0(黑)的最大列号   
%     bw1=bw(imin:imax,jmin:jmax);% 截取图像像素值为0(黑)的最大矩形区域 
%    % rate=28/max(size(bw1));% 计算截取图像转换为28×28的二值图像的缩放比例(由于缩放比例  
%                                % 大多数情况下不为28的倍数,所以可能存在转换误差)
%     bw1=imresize(bw1,[28,28]);% 将截取图像转换为28×28的二值图像 
%   % [i,j]=size(bw1);% 转换图像的大小   
%  %  i1=round((28-i)/2);% 计算转换图像与标准28×28的图像的左边界差    
%  %  j1=round((28-j)/2);% 计算转换图像与标准28×28的图像的上边界差    
%  %  p1(i1+1:i1+i,j1+1:j1+j)=bw1;% 将截取图像转换为标准的28×28的图像 
%    p1=bw1;
%    p1= -1.*p1+ones(28,28);% 反色处理    % 以图像数据形成神经网络输入向量 
%    for m=0:27      
%    p(m*28+1:(m+1)*28,kk+1)=bw(1:28,m+1);   
%    end    % 形成神经网络目标向量  
   train_x(:,:,kk+1+trainNum*classnum)=bw;
   train_y(kk+1+trainNum*classnum,classnum+1)=1;%训练样本标签
end
end
% for kk=0:9
%     m =strcat('train_nums\num',int2str(kk+1),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)    
%     x=imread(m,'jpg');% 读入训练样本图像文件   
%     bw=im2bw(x,0.5);% 将读入的训练样本图像转换为二值图像  
%     bw=im2uint8(bw);
%     bw=imresize(bw,[28,28]);
%     train_x(:,:,kk+27)=bw;
%     train_y(kk+27,kk+27)=1;%训练样本标签
% end


%汉字单独训练
% for kk=0:6
%     m =strcat('train_word\hanzi',int2str(kk+1),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)    
%     x=imread(m,'jpg');% 读入训练样本图像文件   
%     bw=im2bw(x,0.5);% 将读入的训练样本图像转换为二值图像  
%     bw=im2uint8(bw);
%     bw=imresize(bw,[28,28]);
%     train_x(:,:,kk+1)=bw;
%     train_y(kk+1,kk+1)=1;%训练样本标签
% end
testNum=1;
test_y=zeros(10,5);
trainNum=0;%重新限制
for classnum1=0:9
for k=0:testNum-1
    %p2=ones(28,28);% 初始化28×28的二值图像像素值(全白)   
     switch classnum1
        case 0 
             m2 =strcat('test\0\',int2str(k+1+trainNum),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)  
        case 1
             m2 =strcat('test\1\',int2str(k+1+trainNum)','.jpg');% 形成训练样本图像的文件名(0～259.bmp)  
        case 2
             m2 =strcat('test\2\',int2str(k+1+trainNum),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
        case 3
             m2 =strcat('test\3\',int2str(k+1+trainNum),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
        case 4
             m2 =strcat('test\4\',int2str(k+1+trainNum),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
        case 5 
             m2 =strcat('test\5\',int2str(k+1+trainNum),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)  
        case 6
             m2 =strcat('test\6\',int2str(k+1+trainNum)','.jpg');% 形成训练样本图像的文件名(0～259.bmp)  
        case 7
             m2 =strcat('test\7\',int2str(k+1+trainNum),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
        case 8
             m2 =strcat('test\8\',int2str(k+1+trainNum),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
        case 9
             m2 =strcat('test\9\',int2str(k+1+trainNum),'.jpg');% 形成训练样本图像的文件名(0～259.bmp)
     end 
    x=imread(m2,'jpg');% 读入训练样本图像文件   
     if(length(size(x))>2)
        x=rgb2gray(x);
    end

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
  
39
  
40
  
41
  
42
  
43
  
44
  
45
  
46
  
47
  
48
  
49
  
50
  
51
  
52
  
53
  
54
  
55
  
56
  
57
  
58
  
59
  
60
  
61
  
62
  
63
  
64
  
65
  
66
  
67
  
68
  
69
  
70
  
71
  
72
  
73
  
74
  
75
  
76
  
77
  
78
  
79
  
80
  
81
  
82
  
83
  
84
  
85
  
86
  
87
  
88
  
89
  
90
  
91
  
92
  
93
  
94
  
95
  
96
  
97
  
98
  
99
  
100
  
101
  
102
  
103
  
104
  
105
  
106
  
107
  
108
  
109
  
110
  
111
  
112
  
113
  
114
  
115
  
116
  
117
  
118
  
119
  
120
  
121
  
122
  
123
  
124
  
125
  
126
  
127
  
128
  
129
 

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.

文章来源: qq912100926.blog.csdn.net，作者：海神之光，版权归原作者所有，如需转载，请联系作者。

原文链接：qq912100926.blog.csdn.net/article/details/113824939