概述

本文基于opencv的形态学滤波检测身份证上的文字位置。

如果是自然场景的文字检测可以用CTPN或者EAST。我这里是身份证合成照片，没有多余背景，也没有复杂光照，所以就用最简单的办法。

代码

import sys

import numpy as np
import cv2

def test_detect (img_path):
    # 参考：https://blog.****.net/it2153534/article/details/79185397
    img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    # 二值化图片
    ret,th=cv2.threshold(img,100,255,cv2.THRESH_BINARY)

    kernel = np.ones((10,20),np.uint8)
    # 开运算
    closing = cv2.morphologyEx(th, cv2.MORPH_OPEN, kernel)
    # 腐蚀
    kernel = np.ones((5,10),np.uint8)
    dilation = cv2.erode(closing,kernel,iterations = 1)
    
    #  查找和筛选文字区域
    region = []
    #  查找轮廓
    img2, contours, hierarchy = cv2.findContours(dilation, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)  
    # 利用以上函数可以得到多个轮廓区域，存在一个列表中。
    #  筛选那些面积小的
    for i in range(len(contours)):
        # 遍历所有轮廓
        # cnt是一个点集
        cnt = contours[i]

        # 计算该轮廓的面积
        area = cv2.contourArea(cnt) 

        # 面积小的都筛选掉、这个300可以按照效果自行设置
        if(area < 300):
             continue

        # 找到最小的矩形，该矩形可能有方向
        rect = cv2.minAreaRect(cnt)
        # 打印出各个矩形四个点的位置
        print ("rect is: ")
        print (rect)

        # box是四个点的坐标
        box = cv2.boxPoints(rect)
        box = np.int0(box)

        # 计算高和宽
        height = abs(box[0][1] - box[2][1])
        width = abs(box[0][0] - box[2][0])

        # 筛选那些太细的矩形，留下扁的
        if(height > width ):
            continue

        region.append(box)
    
    color = cv2.cvtColor(dilation, cv2.COLOR_GRAY2RGB)
    
    for box in region:
        cv2.drawContours(color, [box], 0, (0, 0, 255), 2)
    
    cv2.imshow('gray', color)
    cv2.waitKey(0)#无限期等待输入

    
    
if __name__ == '__main__':
    # test_detect('imgs/182019010306541866.png')
    test_detect('imgs/182019010306381896.png')

效果：

照片的位置比较固定，可以用坐标范围过滤掉照片上的那个框。

参考资料

penCV学习总结及文字检测

EAST算法实现自然场景文本检测

【OCR技术系列之五】自然场景文本检测技术综述（CTPN, SegLink, EAST）