# NumMatch

**Repository Path**: kellyworld0/NumMatch

## Basic Information

- **Project Name**: NumMatch
- **Description**: 这是一个基于OpenCV的信用卡数字自动识别系统。它先提取0-9数字的模板形状，然后通过图像处理找到信用卡上的数字区域，再将每个数字与模板进行匹配，找出最相似的数字，最后按顺序输出完整卡号并识别发卡机构类型。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-21
- **Last Updated**: 2026-04-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Digital【Num】 Match - 信用卡号识别系统

基于 OpenCV 和模板匹配的信用卡数字识别系统，能够从图片中提取信用卡区域并自动识别卡号，同时根据首位数字判断卡类型（Visa、MasterCard、American Express 等）。

## 功能特点

- 自动定位信用卡上的数字区域
- 基于模板匹配的数字识别（0-9）
- 支持卡类型识别（Visa、MasterCard、American Express、Discover Card）
- 可视化处理过程（灰度图、二值图、轮廓检测等）
- 支持自定义输入图片和模板图片

## 项目结构

├── digital_match.py # 主程序
├── myutils.py # 工具函数（轮廓排序、图像缩放）
├── template/ # 模板图片文件夹（需包含数字0-9的模板）
├── images/ # 待识别的信用卡图片
└── README.md # 项目说明文档

## 环境依赖

- Python 3.x
- OpenCV
- NumPy
- imutils

安装依赖：

```bash
pip install opencv-python numpy imutils
```

## 使用说明

### 1. 准备模板图片

模板图片应包含数字 0-9 的清晰样本，每个数字为一个独立的轮廓区域，排列顺序为从左到右。
示例模板图片建议尺寸适中，背景为黑色数字为白色（二值图像）。

### 2. 运行主程序

```
python digital_match.py --image images/credit_card.jpg --template images/template.jpg
```

参数说明：

- `--image`：待识别的信用卡图片路径
- `--template`：数字模板图片路径

### 3. 输出结果

程序会依次显示以下图像处理过程：

- 模板图像及其轮廓
- 输入图像的灰度图、礼帽操作、Sobel 梯度、闭操作、二值图等
- 最终识别结果图像，信用卡号区域用红色矩形框出，并标注识别出的卡号
- 控制台输出卡类型和完整卡号

示例输出：

```
Credit Card Type: Visa
Credit Card #: 4111111111111111
```



## 算法流程

1. **模板处理**
   - 读取模板图像 → 灰度化 → 二值化
   - 提取轮廓并排序（从左到右）
   - 将每个数字区域缩放为统一大小（57×88），存储为模板字典
2. **信用卡图像处理**
   - 图像缩放、灰度化
   - 礼帽操作（突出亮区域）
   - Sobel 梯度计算（水平方向）
   - 闭操作（连接数字区域）
   - Otsu 自动阈值分割
   - 再次闭操作（填充数字内部空洞）
3. **数字区域检测**
   - 查找轮廓 → 根据宽高比（2.5~4.0）筛选候选区域
   - 按从左到右排序
4. **数字识别**
   - 对每个候选区域提取数字子图
   - 二值化、查找单个数字轮廓
   - 将每个数字缩放为 57×88，与模板匹配（`cv2.TM_CCOEFF`）
   - 取匹配得分最高的数字作为识别结果
5. **结果输出**
   - 绘制矩形框和卡号文字
   - 根据首位数字判断卡类型

## 参数调整

如需适配不同信用卡图片，可调整以下参数：

- `rectKernel = (9, 3)`：闭操作核大小，影响数字区域的连接程度
- `sqKernel = (5, 5)`：二次闭操作核大小
- 轮廓筛选条件：`ar > 2.5 and ar < 4.0`（宽高比），`w > 40 and w < 55`（宽度），`h > 10 and h < 20`（高度）
- 模板数字缩放尺寸：`(57, 88)`

## 注意事项

- 输入图像应清晰，数字区域尽量水平，避免严重倾斜
- 模板图片的数字排列必须从左到右，且每个数字外轮廓清晰
- 仅适用于标准凸版印刷体数字（OCR-A 或类似字体）
- 不支持手写数字或艺术字体

## 扩展建议

- 可替换模板匹配为深度学习模型（如 CNN）提高识别鲁棒性
- 可增加图像倾斜校正模块
- 可支持多行卡号识别