您现在的位置: IOS教程網 >> IOS系統 >  >> iOS 程式開發 >> iOS 開發綜合

iOS 身分證號碼辨識實作教學:OpenCV 與 Tesseract 的結合應用

編輯:iOS 開發綜合

一、前言

身分證辨識其實就是 OCR(光學字元辨識)技術的應用之一。所謂 OCR,是透過掃描等光學輸入方式,把票據、報刊、書籍、文稿等印刷品上的文字轉為影像,再運用文字辨識技術,將影像內容轉換成電腦可讀的資料。

因為專案需要,我這幾天翻了不少資料,本來想找現成的開源範例直接套用,但網路上這塊資源不多,靠譜的大多要付費,價格還不便宜。於是乾脆自己動手研究一番,也把過程記錄下來分享給大家。

先來看看最終成果(如果 Mac 不是 Retina 螢幕,解析度會有影響,建議在真機上測試):

二、需要用到的技術

查閱大量資料後發現,要完成身分證號碼辨識,需要下列幾種技術搭配使用:

圖像處理技術

包含灰階化、二值化、腐蝕、輪廓檢測等步驟。

1、灰階化:將圖片中每個像素點的 RGB 三分量透過演算法計算出灰度值,讓影像只保留亮度、不含色彩資訊。

2、二值化:把灰階影像轉為只含黑白兩色的影像,255 代表白色,0 代表黑色。


3、腐蝕:將二值影像中的黑色區塊放大,也就是把相鄰的黑色像素連接起來,進而將號碼串連成一個矩形區域。


4、輪廓檢測:腐蝕後相鄰點會连成一個大區域,此時透過輪廓檢測找出每個區域,就能定位號碼所在的位置。


5、文字辨識:將影像資訊轉為可用的字元資料。比如下圖這串數字,透過 OCR 就能以字串形式輸出。


三、開源框架 OpenCV 與 TesseractOCRiOS

OpenCV(負責圖像處理)

OpenCV 是一套開源的跨平台電腦視覺與機器學習庫。簡單說,它為電腦裝上了「眼睛」,能從圖片中擷取資訊,完成人臉辨識、身分證辨識、去紅眼、追蹤移動物體等功能。

TesseractOCRiOS(負責文字辨識)

Tesseract 是目前可用的最準確的開源 OCR 引擎之一,能讀取各種格式的圖片並轉成多語言文本。而 TesseractOCRiOS 則是針對 iOS 平台封裝的版本。

四、實戰演練

先建立一個 iOS 專案,用 CocoaPods 導入上述兩個庫。由於 OpenCV 體積較大,導入會稍慢,耐心等待即可。


導入完成後執行專案,會出現類似下圖的錯誤:


原因是導入的庫不支援 Bitcode,需將其在 專案 → TARGETS → Build Setting → Enable Bitcode 設為 NO 即可。


接著導入 TesseractOCRiOS 所需的語言包。庫本身不含語言包,需自行下載 tessdata。完整包有 400 多 MB,這裡只需要英文包,因此只保留 eng.traineddata 即可。


導入語言包時有兩點要留意:

  • 語言包必須放在 tessdata 目錄下,因為 TesseractOCRiOS 只會在該目錄查找。
  • 將 tessdata 導入 Xcode 時,要勾選 Create folder references(以資料夾參照方式),而非建立群組。

建立一個 RecogizeCardManager 來管理辨識相關程式碼。由於兩套庫都以 C++ 撰寫,需將 RecogizeCardManager.m 的副檔名改為 .mm。


RecogizeCardManager 的 .h 檔:

 #import <Foundation/Foundation.h> @class UIImage; typedef void (^CompleateBlock)(NSString *text); @interface RecogizeCardManager : NSObject /** * 初始化一個單例 * * @return 返回一個RecogizeCardManager的實例對象 */ + (instancetype)recognizeCardManager; /** * 根據身份證照片得到身份證號碼 * * @param cardImage 傳入的身份證照片 * @param compleate 識別完成後的回調 */ - (void)recognizeCardWithImage:(UIImage *)cardImage compleate:(CompleateBlock)compleate; @end 

.m 檔:

 #import "RecogizeCardManager.h" #import <opencv2/opencv.hpp> #import <opencv2/imgproc/types_c.h> #import <opencv2/imgcodecs/ios.h> #import <TesseractOCR/TesseractOCR.h> @implementation RecogizeCardManager + (instancetype)recognizeCardManager { static RecogizeCardManager *recognizeCardManager = nil; static dispatch_once_t onceToken; dispatch_once(&onceToken, ^{ recognizeCardManager = [[RecogizeCardManager alloc] init]; }); return recognizeCardManager; } - (void)recognizeCardWithImage:(UIImage *)cardImage compleate:(CompleateBlock)compleate { //掃描身份證圖片,並進行預處理,定位號碼區域圖片並返回 UIImage *numberImage = [self opencvScanCard:cardImage]; if (numberImage == nil) { compleate(nil); } //利用TesseractOCR識別文字 [self tesseractRecognizeImage:numberImage compleate:^(NSString *numbaerText) { compleate(numbaerText); }]; } //掃描身份證圖片,並進行預處理,定位號碼區域圖片並返回 - (UIImage *)opencvScanCard:(UIImage *)image { //將UIImage轉換成Mat cv::Mat resultImage; UIImageToMat(image, resultImage); //轉為灰度圖 cvtColor(resultImage, resultImage, cv::COLOR_BGR2GRAY); //利用阈值二值化 cv::threshold(resultImage, resultImage, 100, 255, CV_THRESH_BINARY); //腐蝕,填充(腐蝕是讓黑色點變大) cv::Mat erodeElement = getStructuringElement(cv::MORPH_RECT, cv::Size(26,26)); cv::erode(resultImage, resultImage, erodeElement); //輪廓檢測 std::vector<std::vector<cv::Point>> contours;//定義一個容器來存儲所有檢測到的輪廓 cv::findContours(resultImage, contours, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, cvPoint(0, 0)); //取出身份證號碼區域 std::vector<cv::Rect> rects; cv::Rect numberRect = cv::Rect(0,0,0,0); std::vector<std::vector<cv::Point>>::const_iterator itContours = contours.begin(); for ( ; itContours != contours.end(); ++itContours) { cv::Rect rect = cv::boundingRect(*itContours); rects.push_back(rect); //算法原理 if (rect.width > numberRect.width && rect.width > rect.height * 5) { numberRect = rect; } } //身份證號碼定位失敗 if (numberRect.width == 0 || numberRect.height == 0) { return nil; } //定位成功成功,去原圖截取身份證號碼區域,並轉換成灰度圖、進行二值化處理 cv::Mat matImage; UIImageToMat(image, matImage); resultImage = matImage(numberRect); cvtColor(resultImage, resultImage, cv::COLOR_BGR2GRAY); cv::threshold(resultImage, resultImage, 80, 255, CV_THRESH_BINARY); //將Mat轉換成UIImage UIImage *numberImage = MatToUIImage(resultImage); return numberImage; } //利用TesseractOCR識別文字 - (void)tesseractRecognizeImage:(UIImage *)image compleate:(CompleateBlock)compleate { dispatch_async(dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_BACKGROUND, 0), ^{ G8Tesseract *tesseract = [[G8Tesseract alloc] initWithLanguage:@"eng"]; tesseract.image = [image g8_blackAndWhite]; tesseract.image = image; // Start the recognition [tesseract recognize]; //執行回調 compleate(tesseract.recognizedText); }); } 

RecognizeCardViewController 的 storyboard 佈局:


.m 檔:

 #import "RecognizeCardViewController.h" #import "RecogizeCardManager.h" @interface RecognizeCardViewController ()<UINavigationControllerDelegate, UIImagePickerControllerDelegate>{ UIImagePickerController *imgagePickController; } @property (weak, nonatomic) IBOutlet UIImageView *imgView; @property (weak, nonatomic) IBOutlet UILabel *textLabel; - (IBAction)cameraAction:(id)sender; - (IBAction)photoAction:(id)sender; @end @implementation RecognizeCardViewController - (void)viewDidLoad { [super viewDidLoad]; self.imgView.contentMode = UIViewContentModeScaleAspectFit; imgagePickController = [[UIImagePickerController alloc] init]; imgagePickController.delegate = self; imgagePickController.modalTransitionStyle = UIModalTransitionStyleFlipHorizontal; imgagePickController.allowsEditing = YES; } - (void)didReceiveMemoryWarning { [super didReceiveMemoryWarning]; // Dispose of any resources that can be recreated. } //拍照 - (IBAction)cameraAction:(id)sender { //判斷是否可以打開照相機 if ([UIImagePickerController isSourceTypeAvailable:UIImagePickerControllerSourceTypeCamera]) { imgagePickController.sourceType = UIImagePickerControllerSourceTypeCamera; //設置攝像頭模式(拍照,錄制視頻)為拍照 imgagePickController.cameraCaptureMode = UIImagePickerControllerCameraCaptureModePhoto; [self presentViewController:imgagePickController animated:YES completion:nil]; } else { UIAlertView *alert = [[UIAlertView alloc] initWithTitle:@"提示" message:@"設備不能打開相機" delegate:self cancelButtonTitle:@"知道了" otherButtonTitles: nil]; [alert show]; } } //相冊 - (IBAction)photoAction:(id)sender { imgagePickController.sourceType = UIImagePickerControllerSourceTypePhotoLibrary; [self presentViewController:imgagePickController animated:YES completion:nil]; } #pragma mark - UIImagePickerControllerDelegate //適用獲取所有媒體資源,只需判斷資源類型 - (void)imagePickerController:(UIImagePickerController *)picker didFinishPickingMediaWithInfo:(NSDictionary<NSString *,id> *)info{ NSString *mediaType=[info objectForKey:UIImagePickerControllerMediaType]; UIImage *srcImage = nil; //判斷資源類型 if ([mediaType isEqualToString:@"public.image"]){ srcImage = info[UIImagePickerControllerEditedImage]; self.imgView.image = srcImage; //識別身份證 self.textLabel.text = @"圖片插入成功,正在識別中..."; [[RecogizeCardManager recognizeCardManager] recognizeCardWithImage:srcImage compleate:^(NSString *text) { if (text != nil) { self.textLabel.text = [NSString stringWithFormat:@"識別結果:%@",text]; }else { self.textLabel.text = @"請選擇照片"; UIAlertView *alert = [[UIAlertView alloc] initWithTitle:@"提示" message:@"照片識別失敗,請選擇清晰、沒有復雜背景的身份證照片重試!" delegate:self cancelButtonTitle:@"知道了" otherButtonTitles: nil]; [alert show]; } }]; } [self dismissViewControllerAnimated:YES completion:nil]; } //進入拍攝頁面點擊取消按鈕 - (void)imagePickerControllerDidCancel:(UIImagePickerController *)picker { [self dismissViewControllerAnimated:YES completion:nil]; } @end 

總結

透過上述實作,本程式對身分證辨識的正確率幾乎可達 90%,剩下的 10% 主要取決於影像預處理,而預處理正是整個辨識系統的關鍵所在。這套原理同樣適用於擷取身分證上的其他資訊,也能延伸到銀行卡、車牌號等辨識場景。

辨識準確率

主要取決於腐蝕參數與輪廓提取(定位號碼區域)的演算法。篩選輪廓的邏輯是:目標輪廓寬度最大,且寬度需大於高度的 5 倍。不過此法仍有局限,背景複雜時可能干擾輪廓檢測,此時可從兩方面改善:

  • 優化影像預處理,降低對號碼區域定位的干擾。
  • 優化演算法本身。

辨識速度

以 TesseractOCRiOS 辨識清晰文字速度很快,未經處理的數字圖片辨識耗時可低於 5 秒;但經二值化處理後速度反而下降。我的想法是對二值影像再做細化、描出骨架,然後均勻膨脹,得到的號碼可能會更清晰。

以上就是本文的全部內容,希望對你的學習有所幫助。

  1. 上一篇文章:
  2. 下一篇文章:
蘋果刷機越獄教程| IOS教程問題解答| IOS技巧綜合| IOS7技巧| IOS8教程
Copyright © IOS教程網 All Rights Reserved