如何提取支票/支票图像中的帐号

Question

我正在做一个从account number中提取cheque images的任务。我目前的方法可以分为两个步骤。

digits)

• Perform

• 本地化帐号数字(使用库(如Tesseract OCR )打印 OCR )

第二步是直截了当，假设我们已经正确地本地化了帐号数字。

我试图使用OpenCV等高线方法和MSER (最大稳定极值区域)来定位帐号数字，但没有得到有用的结果。很难概括模式，因为

不同的银行支票在template

• Account号位置上有变化，不固定

。

我们如何处理这个问题。我需要寻找一些基于deep learning的方法吗？

样本图像

​

Answer 1

谢谢大家的建议，最后我训练了一种深度学习对象检测方法来定位帐号，与基于OpenCV的方法相比，它取得了很好的效果。

Answer 2

假设帐号有唯一的紫色文本颜色，我们可以使用颜色阈值。其思想是将图像转换为HSV颜色空间，然后定义一个上下颜色范围，并使用cv2.inRange()进行颜色阈值处理。从这里开始，我们用等高线区域进行滤波，以消除小噪声。最后，我们倒置图像，因为我们希望文本是黑色的，背景是白色的。最后一步是高斯模糊图像，然后将其扔到Pytesseract中。结果如下：

​

​

结果来自Pytesseract

30002010108841

代码

import numpy as np
import pytesseract
import cv2

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

image = cv2.imread('1.png')
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
lower = np.array([103,79,60])
upper = np.array([129,255,255])
mask = cv2.inRange(hsv, lower, upper)

cnts = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    area = cv2.contourArea(c)
    if area < 10:
        cv2.drawContours(mask, [c], -1, (0,0,0), -1)

mask = 255 - mask
mask = cv2.GaussianBlur(mask, (3,3), 0)

data = pytesseract.image_to_string(mask, lang='eng',config='--psm 6')
print(data)

cv2.imshow('mask', mask)
cv2.waitKey()