【卡号识别】基于matlab分割法银行卡数字识别【含Matlab源码 312期】
【摘要】
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...
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
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
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
作者其他文章
评论(0)