Opencv（Open Source Computer Vision Library）是一个基于开源发行的跨平台计算机视觉库。OpenCV用C++语言编写，它具有C ++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS。
本篇是使用python配合opencv来做图片识别，以识别银行卡上的卡号为例。
安装opencv和辅助的工具库，安装命令如下：win +R —>cmd—>回车
pip install opencv-python
pip install numpy
pip install matplotlib
如下图，就是本次实验的对象，我们的目标就是识别，下面的卡号数字：123456789123
思路：图像处理是步骤一般思路是（1） 图像二值化——>（2）使用掩膜去除杂色——>（3）细化被识别的对象——>（4）做识别处理
以本案例为例，上面的思路说人话就是
(1)将彩色图为灰度图，灰度是取值范围是0~255。因为不同颜色的像素点被做成灰度化后，它的灰度的数值是不同。这样就是给定个范围，把这个范围之外的像素点去掉。
打比方（不是很严谨）：比如有一个蓝色方块和一个红色的圆圈，你的目标是识别红色的圆圈，这样二值化后，打个比方红色的灰度是100 ，蓝色的灰度是200.这样给范围要90-120的灰度范围就能去掉蓝色方块，保留红色的圆圈了。
（2）使用一个图层盖住不需要的部分，把不要的部分涂黑。在使用一次二值化把不要的部分进一步去掉。
（3）上面两边已经尽力地把干扰项清除干净了，但是不可能去除到一点干扰都没有的状态，所以这个时候就要细化需要识别的对象，使他从干扰项中凸显出来。提高它被正确识别的可能性。
（4）识别出内容来，这个的方法有很多。本文是识别字符的，所以使用pytesseract这个来工具来进行识别。
完整程序如下：
import cv2
import numpy as np
import pytesseract
if __name__ == '__main__':
img = cv2.imread("D:/780.jpg", 0)
# 查询图片的横纵的像素点数量，方便制作掩膜
print(img.shape)
# 二值化处理
t1, dst1 = cv2.threshold(img, 150, 255, cv2.THRESH_BINARY)
# 创建掩膜
mask = np.zeros(img.shape, np.uint8)
# 改变图像的某部分的像素的值
mask[330:380, 50:330] = 255
# cv2.imshow("window1", mask)
# 遮盖遮盖不需要的部分
dst4 = cv2.bitwise_and(dst1, mask)
cv2.imshow("window5", dst4)
# 反二值化处理，去除噪点和掩膜，并突出特征
t5, dst5 = cv2.threshold(dst4, 127, 255, cv2.THRESH_BINARY_INV)
kernel = np.ones((3, 3), np.uint8) # 设定要处理的内核大小
dst6 = cv2.erode(dst5, kernel, iterations=1) # 腐蚀图像
cv2.imshow("window2", img)
cv2.imshow("window6", dst6)
# 使用pytesseract识别
# 指定识别的内容为数字，0~9
custom_config = r'--oem 3 --psm 6 -c tessedit_char_whitelist=0123456789'
text = pytesseract.image_to_string(dst6, config=custom_config)
print(text)
# cv2.imshow("window3", dst5)
cv2.waitKey()
cv2.destroyAllWindows()
D:/780.jpg ：这个是图片放置的路径。
二值化后的图片：
加了掩膜后的图片
反二值化处理并腐蚀后的图片
这样的图片已经算是清楚的了，黑白分明的。虽然有点麻麻赖赖的，实时足够识别了。
识别结果如下：
