lps_683 阅读(125) 评论(0)



 上回书说道,我们对银行卡进行了一系列的预处理后,得到了下面的结果:
        
 

银行卡下半部分严重影响到了检测的效果,所以在进行机器学习前,我们还需要做一点处理,把下半部分的噪声给消除掉。

思路:首先,针对农行卡颜色的特点(目前暂时只讨论农行卡)上半部分颜色相对较浅,下半部分颜色较深,而银行卡号属深色,所以往往会出现上图所示的---下半部分大面积噪声,上半部分可能没有或者有细微的少量噪声的现象,故该图具有一定的普遍性。
           
 

 

如上图所示,实际上有效的检测区域就是上图红线之间的数字部分,其余部分均无效,于是乎,我们可以这样实现:

遍历整张二值图,统计每行的有效像素(黑色),若该行有效像素个数高于阈值则表示该行开始是有效区域,若该行有效像素个数低于阈值则表示该行无图像或者是噪声;检测到有效区域后开始,即找到了上面那条红线后,我们开始找下面那条红线的位置,若该行有效像素个数低于阈值,则表示检测到了无效区域,即检测到了下面的红线------如此一来我们便得到了有效区域的高度,我们将所有的无效区域清除即可。

关键代码实现:

IplImage *Filter(IplImage*imgSrc)

{//过滤图像

int a = 0, b = 0;//保存有效行号

int state = 0;//标志位,0则表示还未到有效行,1则表示到了有效行,2表示搜寻完毕

for (int y = 0; y < imgSrc->height; y++)

{

int count = 0;

for (int x = 0; x < imgSrc->width; x++)

{

if (cvGet2D(imgSrc, y, x).val[0] == 0)

count = count + 1;

}

if (state == 0)//还未到有效行

{

if (count >= 10)//找到了有效行

{//有效行允许十个像素点的噪声

a = y;

state = 1;

}

}

else if (state == 1)

{

if (count <= 10)//找到了有效行

{//有效行允许十个像素点的噪声

b = y;

state = 2;

}

}

}

for (int y = 0; y < imgSrc->height; y++)

{

if(y >= a && y <= b)

continue;

for (int x = 0; x < imgSrc->width; x++)

{

((uchar *)(imgSrc->imageData + y*imgSrc->widthStep))[x] = 255;

}

}

return imgSrc;

}

 

结果:

 

 

预处理到此完毕

 

 

机器学习下回分解。

<!--EndFragment-->
  • 大小: 32.9 KB
  • 大小: 32 KB
  • 大小: 20.9 KB