基于opencv库,tess-two,Zxing在Android

作者: 06fd4cf1f427 | 来源:发表于2019-01-11 17:53 被阅读10次

提到“人工智能”这一名词，大多数人脑海中浮现的是机器人在忙碌着，我们偷懒似的生活着：我们购物不再走路，吃饭不再动手。“能动嘴我们绝不动手”这句话用在这里最好不过了。这样的生活理念是时代造就的，并不属于历史遗留问题。

在科技未达到如此高的境界时，我们应该先关注一下身边的人工智能：Android端身份证识别。为什么我会提到这个名词呢？随着移动终端（智能手机及平板电脑）的普及，几乎人人都有一部手机已经毋庸置疑了。进而也引发了移动应用爆发似的浪潮，各类APP应接不暇：金融类的、办公类的、电商类的等等。这些应用大多会涉及到身份证的实名认证。如果让用户手动输入信息，显然不符合时代背景，必然会流失一大批“粉丝”。

基于opencv库和tess-two,Zxing在android平台上实现身份证号的识别!

实现原理分析 :通过zxing库捕捉相机获得图像,或者从相册里获取图片,再对图像进行处理. 对图像处理 : 对源图像进行像素放大缩小处理>预处理(图像灰度化,低通滤波处理,边缘检测,二值化,中值平滑处理,闭运算)>刷选身份证号的矩形,得到有效行>对有效行进行灰度化,二值化>然后就进行识别.

一. 环境的配置

**1. **opencv3.2的依赖: 去官网下载opencv for android的sdk,解压得到。

在android studio中选择improt module加载进来将依赖的opencv的build.gradle里的版本要求和。

主工程的build.gradle保持一致。

最后将sdk目录中的native的libs里的文件复制到主工程的main里的jniLibs目录下,jniLibs目录需自己创建.这样opencv库就装载成功了!

2. tesseract库的使用,本文章不对tesseract如何编译做详细介绍,可以使用tess-two,有编译好的,解压的后,把Jar文件添加到项目,把libs目录的文件复制到jniLibs目录下这样tess-two就集成完了。

3. 语言包的放置,可以从tesseract-ocr的官网下载中文的或者英文的,但是针对只是身份证号的识别,打算自己训练,官方下载的语言包文件都过大,本篇文章不对如何训练做详细介绍.

4. zxing库的引用(本文不做介绍)

二、代码实现

image

如上图主界面为三个入口,根据的scan_type的类型来调用zxing库的扫描类型：

在Zxing库的CaptureActivity类做以下添加:

//OpenCV库加载并初始化成功后的回调函数
private BaseLoaderCallback mLoaderCallback = new BaseLoaderCallback(this) {

 @Override
 public void onManagerConnected(int status) {
 // TODO Auto-generated method stub
 switch (status) {
 case BaseLoaderCallback.SUCCESS:
 Log.i(TAG, "成功加载");
 break;
 default:
 super.onManagerConnected(status);
 Log.i(TAG, "加载失败");
 break;
 }
 }
};

在onResume的方法里添加

 if (!OpenCVLoader.initDebug()) {
 Log.d(TAG, "Internal OpenCV library not found. Using OpenCV Manager for 
 initialization");
 OpenCVLoader.initAsync(OpenCVLoader.OPENCV_VERSION_3_2_0, this, 
 mLoaderCallback);
 } else {
 Log.d(TAG, "OpenCV library found inside package. Using it!");
 mLoaderCallback.onManagerConnected(LoaderCallbackInterface.SUCCESS);
 }

这个opencv库初始化加载回调和onResume方法里添加的判断是一定要添加的。

其它细节不做详细介绍,后面会将源码发布!

在zxing库的DecodeHandler类里同二维码识别一样,将相机捕捉的图像进行解析

 if (scan_type.equals(CaptureActivity.SCAN_TYPE_QRCODESCAN)) {
 rawResult = multiFormatReader.decodeWithState(bitmap);//解析二维 
 码图片
 } else if (scan_type.equals(CaptureActivity.SCAN_TYPE_BANK_CARD)) {
 result = BankCardIdentify.bankCardIdentify(activity,toBitmap(source, 
 source.renderCroppedGreyscaleBitmap()));//解析银行卡
 } else {
 result = IdCardIdentify.idCardIdentify(activity, toBitmap(source, 
 source.renderCroppedGreyscaleBitmap())); //解析身份证
 }

IdCardIdentify类中的idCardIdentify方法,参数有activity和相机捕捉的bitmap.

public static String idCardIdentify(Activity activity, Bitmap bitmap) {
 CoreUtil.copyToSD(activity);
 bitmap = CoreUtil.scaleImage(bitmap, 900, 450); //根据像素放大缩小图片
 bitmap = ICPretreatment.doICPretreatmentOne(bitmap);//图像预处理
 CoreUtil.saveBitmap(bitmap);
 return getResult(ICPretreatment.doICPretreatmentTwo(bitmap)); //返回有效
 行识别结果
}

先加载语言包文件,将assets目录下的语言包文件保存到sd目录下,再对源图像进行比例方法缩小,然后将图像预处理,即找到号码的位置,最后将号码的位置进行识别。

图像的预处理:

public static Bitmap doICPretreatmentOne(Bitmap bitmap) {
 Mat rgbMat = new Mat(); //原图
 Mat grayMat = new Mat(); //灰度图
 Mat binaryMat = new Mat(); //二值化图
 Mat canny = new Mat();
 Utils.bitmapToMat(bitmap, rgbMat);
 Imgproc.cvtColor(rgbMat, grayMat, Imgproc.COLOR_RGB2GRAY);//灰度化
 Imgproc.blur(grayMat, canny, new Size(3, 3));//低通滤波处理
 Imgproc.Canny(grayMat, canny, 125, 225);//边缘检测处理类
 Imgproc.threshold(canny, binaryMat, 165, 255, Imgproc.THRESH_BINARY);//二值化
 Imgproc.medianBlur(binaryMat, binaryMat, 3);//中值平滑处理
 Mat element_9 = new Mat(20, 20, CV_8U, new Scalar(1));
 Imgproc.morphologyEx(binaryMat, element_9, MORPH_CROSS, element_9);//闭运算
 /**
 * 轮廓提取()
 */
 ArrayList<MatOfPoint> contoursList = new ArrayList<>();
 Mat hierarchy = new Mat();
 Imgproc.findContours(element_9, contoursList, hierarchy, 
 Imgproc.RETR_CCOMP, Imgproc.CHAIN_APPROX_NONE);
 Mat resultImage = Mat.zeros(element_9.size(), CV_8U);
 Imgproc.drawContours(resultImage, contoursList, -1, new Scalar(255, 0, 255));
 Mat effective = new Mat(); //身份证位置
 //外包矩形区域
 for (int i = 0; i < contoursList.size(); i++) {
 Rect rect = Imgproc.boundingRect(contoursList.get(i));
 if (rect.width != rect.height && rect.width / rect.height > 8) { //初步判断找 
 到有效位置 Imgproc.rectangle(resultImage, new Point(rect.x, rect.y), 
 new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(255, 0, 
 255), 1);effective = new Mat(rgbMat, rect);
 }
 }
 if (effective != null && effective.cols() > 0 && effective.rows() > 0) {bitmap = 
 Bitmap.createBitmap(effective.cols(),effective.rows(),Bitmap.Config.RGB_565);
 Utils.matToBitmap(effective, bitmap);
 } else {
 bitmap = CoreUtil.cropBitmap(bitmap, 280, 360, 600, 70, true);
 }
 return bitmap;
}

将图像进行形态学相关的处理,最后刷选连通域的矩形来确定号码的位置,如果没有找到的话,就根据身份证的位置特征进行切割

二、图像预处理第二步

public static Bitmap doICPretreatmentTwo(Bitmap bitmap) { 
Mat rgbMat = new Mat(); //原图 
Mat grayMat = new Mat(); //灰度图 
Mat binaryMat = new Mat(); //二值化图 
Utils.bitmapToMat(bitmap, rgbMat); 
Imgproc.cvtColor(rgbMat, grayMat, Imgproc.COLOR_RGB2GRAY);//灰度化 
Imgproc.threshold(grayMat, binaryMat, 150, 255, Imgproc.THRESH_BINARY);//二值化 
bitmap = Bitmap.createBitmap(binaryMat.cols(), binaryMat.rows(), Bitmap.Config.RGB_565); 
Utils.matToBitmap(binaryMat, bitmap); 
return bitmap; 
}

三、最后一步识别

/** 
* 对要识别的图像进行识别 
* 
* @param bitmap 要识别的bitmap 
* @return 
*/ 
public static String getResult(Bitmap bitmap) { 
String result; 
TessBaseAPI baseApi = new TessBaseAPI(); 
baseApi.setDebug(true); 
baseApi.init(DATAPATH, “identify”); 
bitmap = bitmap.copy(Bitmap.Config.ARGB_8888, true); 
baseApi.setImage(bitmap); 
baseApi.setVariable(“tessedit_char_whitelist”, “0123456789X”); 
result = baseApi.getUTF8Text(); 
result = result.replaceAll(“\s*”, “”); 
if (result.equals(“”) || result.length() <= 16 || result.length() >= 20) { //允许4个字符的误差 
result = null; 
} 
baseApi.end(); 
bitmap.recycle(); 
return result;

四、效果展示

所使用身份证素材来自百度搜索

如上的效果,发现经自己训练的语言包进行识别,识别率是很高的!

资料领取

关注我后台私信回复【干货分享】

领取获取往期Android高级架构资料、源码、笔记、视频。高级UI、性能优化、架构师课程、NDK、混合式开发（ReactNative+Weex）微信小程序、Flutter全方面的Android进阶实践技术

基于opencv库,tess-two,Zxing在Android

基于opencv库和tess-two,Zxing在android平台上实现身份证号的识别!

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

Android技术知识

Android开发

Android开发经验谈

业界干货

Android _ 资源、知识总结链接目录 + 框架

优秀案例