記得應(yīng)該是16年的時候，從一個公開課看到了關(guān)于OCR方面的內(nèi)容，里面講到了通過OpenCV對身份證號碼區(qū)域的剪裁以及使用Tess-Two進(jìn)行文字識別，實現(xiàn)了對身份證號碼的識別功能。
斷斷續(xù)續(xù)看了點(diǎn)關(guān)于OpenCV的資料，感覺不是這個專業(yè)的真難看懂，各種公式各種名詞。今天主要用于做個記錄，那個一直碎碎念的東西終于完成了！

原理

我理解的原理（除去文字識別）：

1. 對圖片進(jìn)行降噪以及二值化，凸顯內(nèi)容區(qū)域
2. 對圖片進(jìn)行輪廓檢測
3. 對輪廓結(jié)果進(jìn)行分析
4. 剪裁指定區(qū)域

代碼實現(xiàn)

本文采用VS2017實現(xiàn)，代碼如下：

#include "stdafx.h"
#include "idocr.h"
#include <opencv2/opencv.hpp>
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
using namespace cv;
using namespace std;
void dealImg(char * path)
{
    Mat src = imread(path);
    // 結(jié)果圖
    Mat dst;
    // 顯示原圖
    imshow("原圖", src);

    cvtColor(src, dst, COLOR_RGB2GRAY);
    // 高斯模糊，主要用于降噪
    GaussianBlur(dst, dst, Size(3, 3), 0);
    imshow("GaussianBlur圖", dst);
    // 二值化圖，主要將灰色部分轉(zhuǎn)成白色，使內(nèi)容為黑色
    threshold(dst, dst, 165, 255, THRESH_BINARY);
    imshow("threshold圖", dst);
    // 中值濾波，同樣用于降噪
    medianBlur(dst, dst, 3);
    imshow("medianBlur圖", dst);
    // 腐蝕操作，主要將內(nèi)容部分向高亮部分腐蝕，使得內(nèi)容連接，方便最終區(qū)域選取
    erode(dst, dst, Mat(9, 9, CV_8U));
    imshow("erode圖", dst);

    //定義變量
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(dst, contours, hierarchy, RETR_CCOMP, CHAIN_APPROX_SIMPLE);

    Mat result;

    for (int i = 0; i < hierarchy.size(); i++)
    {

        Rect rect = boundingRect(contours.at(i));
        rectangle(src, rect, Scalar(255, 0, 255));
        // 定義身份證號位置大于圖片的一半，并且寬度是高度的6倍以上
        if (rect.y > src.rows / 2 && rect.width / rect.height > 6)
        {
            result = src(rect);
            imshow("身份證號", result);
        }
    }

    imshow("輪廓圖", src);
}

詳細(xì)步驟：

1. 載入原圖
2. 將原圖轉(zhuǎn)為灰度圖
3. 使用高斯模糊進(jìn)行第一次降噪
4. 將圖片二值化
5. 使用中值濾波進(jìn)行降噪
6. 腐蝕操作，主要將內(nèi)容部分向高亮部分腐蝕，使得內(nèi)容連接，方便最終輪廓檢測
7. 輪廓檢測，獲得所有輪廓
8. 定義身份證號位置大于圖片的一半，并且寬度是高度的6倍以上，并剪裁該區(qū)域

結(jié)果

對于身份證比較正的圖片位置識別的還算是挺正確的，但是如果圖片不正，那么第一步就應(yīng)該對圖片進(jìn)行較正，無奈我是菜雞。下面是網(wǎng)上搜的一個假身份證圖片：

原圖

輪廓檢測圖

剪裁結(jié)果圖