李志森，陳曉榮

(上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院，上海 200093)

基于Halcon的銀行卡卡號(hào)識(shí)別

李志森，陳曉榮

(上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院，上海 200093)

為方便用戶初次使用手機(jī)銀行時(shí)綁定銀行卡號(hào)的操作，使用數(shù)字圖像處理的方法對(duì)銀行卡卡號(hào)進(jìn)行識(shí)別，可以方便用戶快速、準(zhǔn)確地綁定卡。文中介紹了基于Halcon圖像處理軟件經(jīng)過銀行卡照片的獲取、將圖片轉(zhuǎn)換為單通道圖片，通過圖像預(yù)處理、閾值分割、選擇感興趣區(qū)域、光學(xué)字符識(shí)別等技術(shù)實(shí)現(xiàn)對(duì)銀行卡號(hào)的識(shí)別。實(shí)驗(yàn)結(jié)果證明，所提方法效果理想，實(shí)現(xiàn)了預(yù)期目標(biāo)。

數(shù)字圖像處理；Halcon；光學(xué)字符識(shí)別；銀行卡

隨著移動(dòng)互聯(lián)網(wǎng)經(jīng)濟(jì)的興起，各銀行紛紛推出各自的手機(jī)銀行APP，以方便用戶進(jìn)行網(wǎng)上轉(zhuǎn)賬、購物、投資及其他經(jīng)濟(jì)行為。然而各個(gè)手機(jī)銀行APP需要與銀行卡綁定才能真正方便用戶。但是在綁定卡片的過程中，用戶往往因?yàn)殂y行卡號(hào)碼數(shù)字多，且需要多次核對(duì)而造成不便，而使用數(shù)字圖像處理的辦法將銀行卡正面照片拍下，并且識(shí)別銀行卡號(hào)，然后幫助客戶自動(dòng)填充好銀行卡號(hào)，將會(huì)大大方便客戶綁卡。

對(duì)于基于圖像處理的銀行卡卡號(hào)識(shí)別，個(gè)別銀行手機(jī)APP也有提供，比較方便的有工商銀行APP和微信錢包等，但對(duì)于各個(gè)不同的卡片，有些卡號(hào)是打印上去的，有些卡號(hào)是鋼印印刷的，所以各個(gè)APP對(duì)銀行卡號(hào)的識(shí)別正確率也不盡相同。本文主要介紹基于Halcon圖像處理軟件經(jīng)過銀行卡正面照片的獲取、將圖片轉(zhuǎn)換為單通道圖片(灰度圖像)、 圖像預(yù)處理[1]、 閾值分割[2]、選擇感興趣區(qū)域、光學(xué)字符識(shí)別[3]對(duì)銀行卡號(hào)的識(shí)別。

1 Halcon

圖像處理軟件Halcon來自德國MVtec公司，在歐洲以及日本的工業(yè)界已經(jīng)是公認(rèn)具有最佳效能的Machine Vision軟件。它發(fā)源自學(xué)術(shù)界，有別于市面一般的商用軟件包。事實(shí)上，這是一套Image Processing Library，由一千多個(gè)各自獨(dú)立的函數(shù)，以及底層的數(shù)據(jù)管理核心構(gòu)成。其中包含了各類濾波，色彩以及幾何，數(shù)學(xué)轉(zhuǎn)換，型態(tài)學(xué)計(jì)算分析，校正，分類辨識(shí)，形狀搜尋等等基本的幾何以及影像計(jì)算功能，由于這些功能大多并非針對(duì)特定工作設(shè)計(jì)的，因此只要用得到圖像處理的地方，就可以用Halcon強(qiáng)大的計(jì)算分析能力來完成工作。應(yīng)用范圍基本沒有限制，涵蓋醫(yī)學(xué)、遙感探測(cè)、監(jiān)控、工業(yè)各類自動(dòng)化檢測(cè)。

Halcon 軟件中的 Hdevelop 是能夠與用戶交互式的集程序、 分析、 設(shè)計(jì)、 編程于一體的圖像處理界面。其中，包含了圖像窗口、 參變量值的變化觀察窗口、 程序編輯窗口和算子窗口等數(shù)種能夠讓用戶直接能夠?qū)ζ矫鎴D像或者影視圖像進(jìn)行編輯和觀察變化[4]。

2 實(shí)驗(yàn)數(shù)據(jù)及分析

銀行卡卡號(hào)識(shí)別流程如圖1所示。

圖1 流程圖

2.1 轉(zhuǎn)換為單通道圖像

一幅完整的圖像，是由紅色、綠色、藍(lán)色3個(gè)通道組成的。紅色、綠色、藍(lán)色3個(gè)通道的縮覽圖都是以灰度顯示的。用不同的灰度色階來表示“ 紅、綠、藍(lán)”在圖像中的比重。通道中的純白，代表了該色光在此處為最高亮度，亮度級(jí)別是255。

在RGB彩色模型[5]中表示的圖像由3個(gè)分量圖像組成，每種原色一幅分量圖像。當(dāng)送入RGB監(jiān)視器時(shí)，這3幅圖像再屏幕上混合成一幅合成的彩色圖像[6]。單通道圖像[7]就是原色的一幅分量圖像。

數(shù)字圖像的處理中，需先將原圖img_1897.jpg 通過程序代碼的控制轉(zhuǎn)換成單通道圖像，此過程也稱圖像灰度化[8]，以方便后面的灰度圖像的分割和選擇感興趣區(qū)域 。 轉(zhuǎn)換使用的算子是decompose3 算子，具體語句為decompose3(Image, Image1, Image2,B)，此算子可以將一個(gè)三通道的圖像轉(zhuǎn)換成3個(gè)單通道圖像，從圖像窗口觀察3個(gè)單通道的圖像，通過對(duì)比發(fā)現(xiàn)，B圖像的顯示效果最好，字符最清晰，所以選擇此單通道圖像進(jìn)行處理，如圖2所示。

圖2 單通道處理后圖像

2.2 閾值分割

閾值分割[9]，即為基于閾值的圖像分割，適用于那些物體(前景)與背景在灰度上有較大差異的圖像分割問題[10]。其基本原理是：通過設(shè)定不同的特征閾值，把圖像素點(diǎn)分為若干類。圖像閾值化的目的就是按照灰度級(jí)對(duì)像素集合進(jìn)行劃分，得到的子集形成一個(gè)與顯示景物相對(duì)應(yīng)的區(qū)域，各個(gè)區(qū)域的內(nèi)部有一致的屬性，可以通過一個(gè)或多個(gè)閾值實(shí)現(xiàn)[11]。假設(shè)單通道圖B對(duì)應(yīng)圖像f(x,y),把閾值設(shè)為T，則圖像會(huì)被分割成兩部分，即把大于等于該閾值的像素點(diǎn)設(shè)置為1，小于該閾值的像素點(diǎn)設(shè)置為0。得到后的二值圖像可定義為

(1)

但式(1)對(duì)單個(gè)的圖片處理有很好的效果，但是對(duì)于多個(gè)圖像進(jìn)行處理時(shí)，圖像間有較大變化時(shí)，就需要有一個(gè)自動(dòng)估算每幅圖像的閾值的算法。下面的迭代算法可用于這一目的[12]：

(1)為全局閾值T選擇一個(gè)初始估計(jì)值；

(2)用T分割圖像，產(chǎn)生兩組像素：G1由灰度≥T的所有像素組成，G2由所有

(3)對(duì)G1和G2的像素分別計(jì)算平均灰度值m1和m2；

(4)計(jì)算一個(gè)新的閾值

T=0.5×(m1+m2)

(2)

(5)重復(fù)步驟(2)～步驟(4)，直到連續(xù)迭代中的T值間的差小于預(yù)定義的參數(shù)ΔT為止。

此次試驗(yàn)中，在對(duì)銀行卡圖像進(jìn)行處理時(shí)，先對(duì)圖像的灰度值的閾值進(jìn)行了分割。在Halcon中通過Threshold算子來進(jìn)行分割，具體程序語言為Threshold (B, Regions, 0, 120)。其中0，120代表灰度區(qū)間?；叶葏^(qū)間的確定需要根據(jù)單通道圖片和灰度直方圖來大致判斷，然后根據(jù)灰度直方圖的波谷確定一個(gè)初始估計(jì)閾值T。初步判定閾值T之后，然后再經(jīng)過上述迭代算法計(jì)算新的閾值，最終確定了閾值為120。結(jié)合圖像顯示窗口顯示的圖像處理效果來看，在0～120區(qū)間的灰度范圍里，經(jīng)過處理后的圖片，噪聲小，邊緣無殘缺，具體如圖3所示。

圖3 閾值分割后圖像

圖4 區(qū)域聯(lián)通后圖像

2.3 選擇感興趣區(qū)域

通過閾值分割對(duì)單通道銀行卡照片灰度值的閾值的選擇，選出有用的區(qū)域Regions。將 Regions進(jìn)行智能連通，形成了 ConnectedRegions 這個(gè)連通區(qū)域[13]。具體實(shí)現(xiàn)代碼為Connection (Regions, ConnectedRegions)，這個(gè)連通區(qū)域如圖4所示。

在區(qū)域當(dāng)中能夠看到，除了字符外，還有銀行卡芯片和銀行標(biāo)志都在上面，所以需要進(jìn)一步選擇出需要處理的那一部分。從視覺上很難看出需要的那一部分坐標(biāo)，但借助于Halcon軟件自帶的坐標(biāo)標(biāo)識(shí)，可以容易的判斷銀行卡卡號(hào)所在位置。

借助于坐標(biāo)位置還可以計(jì)算出銀行卡卡號(hào)每個(gè)字符的面積約為2 500，然后借助于Select算子當(dāng)中對(duì)面積的篩選，可以選擇和銀行卡卡號(hào)字符相近大小的元素。在本實(shí)驗(yàn)中，由于銀行卡照片中有個(gè)別字符是連接起來的，所以需要擴(kuò)大一下面積選擇范圍。 于是最終的實(shí)現(xiàn)語言為：select_shape (ConnectedRegions, SelectedRegions, ′area′,′and′, 2 000, 10 000)。經(jīng)過這一步的處理，得到了如圖5所示的區(qū)域。

圖5 初次篩選后的圖像

圖6 再次篩選后的圖像

經(jīng)過第一次篩選，大致獲得了銀行卡卡號(hào)字符元素，但是仍有部分區(qū)域是多余的，如圖5所示，所以需要對(duì)感興趣的區(qū)域做進(jìn)一步選擇。同樣借助于Halcon軟件自帶的坐標(biāo)標(biāo)識(shí)，再根據(jù)Select算子中對(duì)行段區(qū)域的選擇，選出最終需要的銀行卡字符區(qū)域。這一步具體實(shí)現(xiàn)程序代碼為select_shape (SelectedRegions, SelectedRegions1, ′row′, ′and′, 1 200, 1 400)，結(jié)果如圖6所示。

2.4 光學(xué)字符識(shí)別

光學(xué)字符識(shí)別(Optical Character Recognition，OCR)。OCR字符識(shí)別技術(shù)是一個(gè)系統(tǒng)的技術(shù)集[14]。它是指電子設(shè)備(例如掃描儀或數(shù)碼相機(jī))檢查紙上打印的字符，通過檢測(cè)暗、亮的模式確定其形狀，然后用字符識(shí)別方法將形狀翻譯成計(jì)算機(jī)文字的過程；即針對(duì)印刷體字符，采用光學(xué)的方式將紙質(zhì)文檔中的文字轉(zhuǎn)換成為黑白點(diǎn)陣的圖像文件，并通過識(shí)別軟件將圖像中的文字轉(zhuǎn)換成文本格式，供文字處理軟件進(jìn)一步編輯加工的技術(shù)。

如圖6所示，經(jīng)過處理后的圖像只剩下了銀行卡卡號(hào)這些光學(xué)字符在上面，所以需要借助Halcon自帶的OCR識(shí)別算子[15]來進(jìn)行識(shí)別，再轉(zhuǎn)換為計(jì)算機(jī)能夠識(shí)別的數(shù)字字符。

首先，要對(duì)區(qū)域進(jìn)行整理排序才能使用Halcon的OCR算子。整理排序的代碼語句為sort_region (SelectedRegions1, SortedRegions, ′first_point′, ′true′, ′column′)。之后載入Halcon本身自帶的已經(jīng)訓(xùn)練好的光學(xué)字符庫DotPrint_0-9.omc，來進(jìn)行字符識(shí)別。具體程序代碼為：read_ocr_class_mlp('DotPrint_0-9.omc',OCRHandle)do_ocr_multi_class_mlp(SortedRegions, B, OCRHandle, Class, Confidence)。經(jīng)過處理后的圖像如圖7所示。相關(guān)字符識(shí)別已經(jīng)完成，之后可以選擇將對(duì)應(yīng)的字符顯示出來供用戶核對(duì)，這個(gè)過程需要用兩行代碼實(shí)現(xiàn)。dev_display(Image)，for Index := 0 to |Class| by 1，disp_message (WindowHandle, Class[Index], ′image′, Row[Index]-150, Column[Index], ′black′, ′true′)，endfor。具體顯示如圖8所示。

圖7 整理后圖像

圖8 最終圖像

3 結(jié)束語

通過上述處理可以看出，用數(shù)字圖像處理的方法能夠有效地識(shí)別銀行卡號(hào)碼，具有速度快、準(zhǔn)確率高等優(yōu)點(diǎn)，但各銀行卡卡號(hào)的印刷方式不同，所以此方法的準(zhǔn)確率也不相同，還需進(jìn)一步優(yōu)化。

[1] 范立南,韓曉微，張廣淵.圖像處理與模式識(shí)別[M].北京:科學(xué)出版社,2007.

[2] 黃琴波.結(jié)合特定理論的圖像分割方法[J]. 電子科技,2010,23(12): 92-95.

[3] 王冠,敖志剛,劉永躍.基于快速連通域標(biāo)記的車牌字符分割[J]計(jì)算機(jī)與現(xiàn)代化,2007(6):55-57.

[4] 吳雪芬.Halcon軟件在車牌圖像處理中的應(yīng)用[J].電子質(zhì)量,2014(12):49-54.

[5] 黃志勇,孫光民,李芳.基于RGB視覺模型的交通標(biāo)志分割[J].微電子學(xué)與計(jì)算機(jī),2004(10):147-152.

[6] Rafael C Gonzalez.數(shù)字圖像處理[M].阮秋琦,譯.3版.北京:電子工業(yè)出版社,2011.

[7] 張?jiān)茝?qiáng),張培林,王國德.基于背景色彩和PCNN的磨粒圖像單通道分割[J].電子測(cè)量與儀器學(xué)報(bào),2012,26(4):352-358.

[8] 丁亞男.基于圖像分解的車牌定位[J].電子科技,2014,27(1):42-44.

[9] 尹艷鵬,周穎,曾丹,等.基于多特征融合條件隨機(jī)場(chǎng)的人臉圖像分割[J].電子測(cè)量技術(shù),2015,38(6):54-59.

[10] 李俊山,李旭輝.數(shù)字圖像處理[M]北京:清華大學(xué)出版社,2007.

[11] 劉東菊.基于閾值的圖像分割算法的研究[D].北京:北京交通大學(xué),2009.

[12] 陳柏生.一種二值圖像連通區(qū)域標(biāo)記的新方法[J].計(jì)算機(jī)工程與應(yīng)用,2006(25):46-47.

[13] 劉瑛.OCR技術(shù)在簡(jiǎn)版圖像數(shù)字化中的應(yīng)用[D]成都:成都理工大學(xué),2007.

[14] 黃遙.基于OCR視頻字符識(shí)別技術(shù)研究與實(shí)現(xiàn)[D].北京:北京交通大學(xué),2014.

Research on Image Analysis of Bank Card Based on Halcon Software

LI Zhisen, CHEN Xiaorong

(School of Optical-Electrical and Computer Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China)

For the convenience of users first use mobile banking to bind the bank card number operation, the use of digital image processing method for identification of bank card number, can be convenient for users to quickly and accurately bind the card. This paper introduces the Halcon image processing software based on the acquisition, bank card photo convert the picture into a single channel image,the image pre-processing, threshold segmentation, regions of interest, optical character recognition technology to achieve recognition of bank card. The experimental results show that the proposed method is effective and achieves the expected goal.

image analysis;Halcon;optical character recognition;bank card

2016- 11- 11

李志森(1991-)，男，碩士研究生。研究方向：測(cè)試計(jì)量技術(shù)及儀器等。

10.16180/j.cnki.issn1007-7820.2017.09.016

TN911.73;TP391.41

A

1007-7820(2017)09-056-04