五月份各種課程，也是最後一個學期了，所以就沒有跟大家分享自己的一些所學。現在課程終於結束了，即將開始下一階段的專案開發，所以趁這個間隙把前段時間做的一些東西做一個總結吧。

言歸正傳，對各種證件的識別系統大家都不陌生，尤其是對車牌號的識別已經應用到我們生活的很多方面，例如小區攝像頭對入庫車輛車牌的識別，高速收費站前對車牌識別的攝像頭等。那麼對身份證資訊的識別跟其它識別有什麼區別呢，我想主要是對身份證的識別是在一個相對靜態的環境下，受環境，光照等的擾動比較小，一般都是先對身份證攝像後，通過系統對身份證上的資訊進行識別；第二點就是它跟其它證件一樣，證件上的資訊都有固定的顏色和位置，這樣對我們第二步的分割就有很大的幫助。分析了身份證的固有特性後，簡單說下我們系統的功能：1）將各個目標資訊從身份證圖片中分割出來，例如姓名資訊，住址資訊等；2）對分割出來的資訊進行識別，最基礎的要求是能統計出各個目標中漢字個數，數字個數，字母個數和特殊字元個數等，本次開發，我只是實現了對數字的識別並對漢字的識別提出自己的可行性方法，因為時間緣故沒有花很多時間去實現對漢字的識別；

先給出幾張我們實驗用的照片：

當然這三張只是實驗圖片的一部分，但是又是很有代表性，第一張屬於比較標準的，清晰的身份證圖片，第二幅圖片中身份證邊界沒有跟圖片邊界貼近，並且受到了光照不均的影響，第三張中身份證角度稍微有些傾斜，並且身份證的邊界沒有被照到。實際上這三張就代表了我們實際應用的測試圖片，因為我們要使用識別系統，是人為的去對身份證拍攝，再將圖片資訊進行系統處理的，所以我們可以假定攝像時身份證同攝像頭平行，並且身份證區域佔整個圖片區域的5/6以上；

下面就開始我們的實踐階段，該系統的開發主要分為三個階段：影象預處理；目標區域分割；目標區域資訊識別；

（1）預處理階段主要是要將圖片中的一些噪音，擾動過濾掉。

  1）要提取目標區域資訊，首先想到將影象進行灰度化，常用的灰度化方法很多，像分量法，加權法，均值法等等。但是通過實驗發現，直接提取彩色圖的R通道灰度圖是最好的選擇，因為該灰度圖中前景和背景的對比度最大。如下圖所示

通過灰度化後可以明顯看出，我們先要提取的前景資訊，相對於背景來說有明顯的灰度對比（暫時先不用考慮頭像部分，因為該部分位置相對固定，通過位置資訊可以將其過濾）

 2）通過獲取區域性最佳閾值來作為自適應的全域性閾值；根據我們對身份證圖片的假定和位置資訊可以知道，在圖片中心區域的左側可以提取一個矩形區域，其中一定包含前景資訊，通過獲取該區域的最佳閾值，就可以近似作為整副圖片的全域性閾值；當然這樣做也只是對影象做一個粗糙的過濾，因為受光照等的影響，區域性閾值跟全域性閾值會有一定的差異。但在後面的各個區域的獲取中，我們有方法來進一步精確。

步驟如下1.在該區域內選擇一個T作為初始估計值；

           2.用T分割影象，這樣做會生成兩組畫素：G1由所有灰度值大於T的畫素組成，而G2由所有灰度值小於或者等於T的畫素組成。

           3.對於區域G1和G2中的所有畫素計算平均灰度值u1和u2

           4.計算新的門限值： T=（u1+u2）/2

           5.重複步驟2到4，直到逐次迭代所得的T值之差小於事先定義好的引數P

通過閾值處理得到如下結果

（2）對影象進行預處理後，下一步就是對目標區域的提取。這一步我主要是用到了身份證中各個區域的位置資訊，利用身份證號的特殊位置，和它本身相對固定的組成（18個數字或字母）先提取出身份證號的區域，在根據該區域與其它區域的相對位置獲得其它目標物件的區域範圍。這樣就完成了第一步的分割任務。示例圖如下