基于Sobel算子的銀行卡號(hào)識(shí)別研究*

徐毓凱 楊國(guó)平

（上海工程技術(shù)大學(xué)機(jī)械與汽車(chē)工程學(xué)院 上海 201620）

1 引言

隨著社會(huì)和互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，網(wǎng)上銀行已逐漸成為人們?nèi)粘Ｉ畈豢苫蛉钡囊徊糠帧Ｒ苿?dòng)支付也成為目前社會(huì)主流的消費(fèi)方式［1］，比如微信支付、支付寶等。隨之我們會(huì)將銀行卡和各種移動(dòng)支付軟件進(jìn)行綁定。在實(shí)際綁定過(guò)程中，目前的常用方式大多還是用戶(hù)自己手動(dòng)輸入銀行卡號(hào)碼，然而手動(dòng)輸入十幾位銀行卡號(hào)很慢且容易出錯(cuò)，并且對(duì)部分視力不佳的中老年人很不友好，影響用戶(hù)體驗(yàn)。因此，銀行卡卡號(hào)的自動(dòng)識(shí)別功能將會(huì)給人們帶來(lái)很大的便利。

雖然目前的字符識(shí)別技術(shù)發(fā)展已較為成熟，比如文本識(shí)別［2～4］、車(chē)牌識(shí)別等［5～6］，但銀行卡識(shí)別技術(shù)還沒(méi)有廣泛應(yīng)用于各大移動(dòng)支付平臺(tái)中。針對(duì)這一問(wèn)題和現(xiàn)狀，本文提出了一種基于Sobel算子的銀行卡識(shí)別算法。首先用基于Sobel邊緣檢測(cè)的方法提取銀行卡輪廓，然后獲取銀行卡卡號(hào)的數(shù)字區(qū)域，最后對(duì)數(shù)字區(qū)域的銀行卡號(hào)進(jìn)行識(shí)別。

2 Sobel邊緣檢測(cè)

Sobel算子是圖像處理中的算子之一［7～10］，在影像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域中常被用來(lái)做邊緣檢測(cè)。Sobel算子最早由美國(guó)科學(xué)家Irwin Sobel和Gary Feldman于1968年在史丹佛大學(xué)的人工智能實(shí)驗(yàn)室（SAIL）提出。為了紀(jì)念他們所做的貢獻(xiàn)，用他們的名字命名了該算子。概念上，Sobel算子就是一個(gè)小且是整數(shù)的濾波器對(duì)整張圖片在水平及垂直方向上做卷積，因此它所需的運(yùn)算資源相對(duì)較少。另一方面，對(duì)于圖像中頻率變化較高的地方，它所得的梯度的近似值也比較粗糙。

目前在銀行卡的輪廓提取中較為常用的方法為基于Canny算子的邊緣檢測(cè)［11～13］，Canny算子的運(yùn)用場(chǎng)景較多，它其中有很多參數(shù)，通過(guò)對(duì)這些參數(shù)的變化會(huì)對(duì)算法的性能產(chǎn)生影響。本文的銀行卡輪廓定位利用Sobel算法替代Canny算法。獲取數(shù)字區(qū)域過(guò)程中采用增強(qiáng)對(duì)比度再利用特定閾值獲取數(shù)字區(qū)域替代了之前Canny算法的邊緣檢測(cè)。雖然Sobel算法只能檢測(cè)水平和垂直方向的邊緣，對(duì)于紋理較為復(fù)雜的圖像，其邊緣檢測(cè)效果不是很理想，但是對(duì)于銀行卡數(shù)字識(shí)別來(lái)說(shuō)，邊緣紋理并不是很復(fù)雜，用Sobel算子進(jìn)行邊緣檢測(cè)反而計(jì)算簡(jiǎn)單，速度快。圖1為對(duì)原始灰度圖像分別基于Canny算子和Sobel算子所做的邊緣檢測(cè)圖。

圖1 Canny和Sobel邊緣檢測(cè)比較

Sobel算子做平面卷積的原理按所示方程（1）計(jì)算：

分別可得到水平和豎直兩個(gè)方向的亮度差分近似值。其公式如下：

其中A是指原圖像，Gx及Gy是指對(duì)水平和豎直兩個(gè)方向的計(jì)算。然后通過(guò)式（4）可以對(duì)圖像的梯度值進(jìn)行計(jì)算。

3 實(shí)驗(yàn)過(guò)程

3.1 提取銀行卡輪廓

一般來(lái)說(shuō)，我們生活中手機(jī)識(shí)別到的銀行卡都不是直接的灰度圖像（如圖2），圖像處理過(guò)程中我們會(huì)分別對(duì)彩色圖像的三個(gè)顏色通道進(jìn)行處理，計(jì)算量會(huì)很大且影響識(shí)別過(guò)程的速度，因此需要對(duì)彩色圖像進(jìn)行灰度處理。如圖3為對(duì)彩色銀行卡灰度處理后的圖像。

圖2 彩色銀行卡圖像

圖3 灰度處理圖像

然后我們需要對(duì)灰度圖像進(jìn)行頂帽操作。頂帽運(yùn)算也被稱(chēng)為“禮帽”運(yùn)算，它為原圖像與圖像作“開(kāi)運(yùn)算”的結(jié)果圖之差。其中開(kāi)運(yùn)算就是對(duì)圖像進(jìn)行先腐蝕后膨脹的過(guò)程，一般可以用來(lái)對(duì)圖像邊緣進(jìn)行平滑處理，消除一些小的毛刺和干擾。如圖4則為對(duì)圖3進(jìn)行頂帽操作后的圖像。

圖4 頂帽操作后的圖像

頂帽操作之后，我們就會(huì)用Sobel算子進(jìn)行邊緣檢測(cè)，由于銀行卡邊緣背景信息比較簡(jiǎn)單且具有一定的規(guī)律性，因此本文只對(duì)x軸方向進(jìn)行了Sobel算子邊緣計(jì)算得到了待識(shí)別銀行卡的輪廓（見(jiàn)圖5），通過(guò)后文實(shí)驗(yàn)可以看出只做x軸方向的Sobel計(jì)算邊緣檢測(cè)效果也比較理想，并且計(jì)算簡(jiǎn)單，效率高。

圖5 sobel邊緣檢測(cè)

3.2 獲取銀行卡數(shù)字區(qū)域

通過(guò)上文的實(shí)驗(yàn)可以得到銀行卡的輪廓信息，接下來(lái)我們需要獲取銀行卡數(shù)字區(qū)域。首先對(duì)銀行卡輪廓圖像進(jìn)行閉操作（先膨脹，再腐蝕）將卡號(hào)數(shù)字連在一起（見(jiàn)圖6），然后對(duì)圖6進(jìn)行二值化操作將目標(biāo)區(qū)域和背景區(qū)別開(kāi)來(lái)（見(jiàn)圖7），接著計(jì)算輪廓信息找到圖7中的所有輪廓得到圖8。

圖6 閉操作

圖7 二值化

圖8 目標(biāo)區(qū)域輪廓

如圖8得到的目標(biāo)區(qū)域的輪廓我們可以看出已經(jīng)找到的輪廓不僅包含數(shù)字區(qū)域，還包含一些例如銀行名稱(chēng)，logo等一些干擾區(qū)域輪廓，因此我們需要從中排除這些干擾區(qū)域輪廓，得到只包含卡號(hào)數(shù)字的區(qū)域輪廓。經(jīng)過(guò)篩選輪廓，我們得到了四組數(shù)字輪廓區(qū)域，如圖9是得到的四組數(shù)字區(qū)域的其中一組。

圖9 數(shù)字區(qū)域

3.3 銀行卡數(shù)字識(shí)別

一般而言，銀行卡卡號(hào)識(shí)別的方法有很多，常用的主要有：模板匹配識(shí)別法［14］、神經(jīng)網(wǎng)絡(luò)識(shí)別法［15］、特征統(tǒng)計(jì)匹配識(shí)別法等［16］。本文的研究對(duì)象一般只有十幾位的阿拉伯?dāng)?shù)字，且每個(gè)數(shù)字0～9之間選擇，分布具有很強(qiáng)的規(guī)律，且本文考慮的情況需要快速的識(shí)別出銀行卡號(hào)信息，所以采用模板匹配字符識(shí)別法。

第一步要建立一個(gè)模版。首先導(dǎo)入一個(gè)包含0～9數(shù)字模板的圖像（圖10），將圖像分別進(jìn)行灰度處理和二值化（圖11），然后找到圖像的所有輪廓，遍歷每一個(gè)輪廓，每一個(gè)數(shù)字輪廓對(duì)應(yīng)每一個(gè)模板（圖12）。

圖10 包含模板數(shù)字圖像

圖11 灰度化及二值化

圖12 數(shù)字模板

第二步將待檢測(cè)銀行卡數(shù)字區(qū)域的每一個(gè)數(shù)字輪廓與第一步的10個(gè)數(shù)字模板分別比較，計(jì)算每一個(gè)待檢測(cè)數(shù)字與每一個(gè)模板的匹配得分，得分最高的模板即為待識(shí)別數(shù)字的正確模板。最終識(shí)別的結(jié)果如圖13所示。

圖13 識(shí)別結(jié)果

4 結(jié)語(yǔ)

隨著互聯(lián)網(wǎng)和移動(dòng)支付技術(shù)的飛速發(fā)展，本文的研究對(duì)象也有著廣泛的應(yīng)用前景。目前對(duì)銀行卡號(hào)識(shí)別的相關(guān)文獻(xiàn)和參考資料非常少，一些開(kāi)發(fā)出銀行卡號(hào)識(shí)別技術(shù)的公司其識(shí)別技術(shù)及方法均未公開(kāi)，銀行卡號(hào)的識(shí)別技術(shù)研究依然具有一定的實(shí)用性。

本文在現(xiàn)有的常用的銀行卡號(hào)識(shí)別技術(shù)上做了一些改善，將常用的Canny邊緣檢測(cè)方法改為了只做x軸方向的Sobel邊緣檢測(cè)，檢測(cè)結(jié)果差別不大，但是計(jì)算簡(jiǎn)單，提高了識(shí)別過(guò)程中圖像預(yù)處理的效率。另外，針對(duì)銀行卡號(hào)具有固定字體的規(guī)律，使用模板匹配法對(duì)數(shù)字進(jìn)行識(shí)別，也一定程度上節(jié)省了時(shí)間。與此同時(shí)，本文在一些方面仍有不足，需要進(jìn)一步的改進(jìn)。例如銀行卡圖像數(shù)據(jù)庫(kù)涉及到個(gè)人隱私問(wèn)題，本文并沒(méi)有對(duì)大量真實(shí)的銀行卡進(jìn)行驗(yàn)證。另外，在識(shí)別過(guò)程中沒(méi)有考慮銀行卡使用過(guò)程中的磨損問(wèn)題，實(shí)驗(yàn)對(duì)象采取的只是比較理想的圖像。雖然本文具有一定的不足，但是仍為銀行卡號(hào)識(shí)別提供了一定的參考意義。