，得到信用卡的 精确边缘位置。
[0049] 所述的基于边缘特征的信用卡卡号识别方法，步骤（2)包括：
[0050] a、归一化信用卡图像；
[0051] b、将归一化后的信用卡图像与信用卡模板重叠，在相应位置直接获取卡号数字位 置。
[0052] 所述的基于边缘特征的信用卡卡号识别方法，步骤（3)包括：
[0053] a、按行优先顺序将每个待识别卡号数字的灰度图像串联成一维向量，得到每个待 识别卡号数字的特征向量；
[0054] b、将每个待识别卡号数字的特征向量输入训练好的Bayes分类器，采用以下公式 计算输入的特征向量属于某一类目标的概率：
[0055]
[0056] 其中，X表示输入的待识别卡号数字的特征向量，u表示某一类目标的特征向量的 各维元素的均值，Cov表示某一类目标的特征向量的各维元素的协方差矩阵；
[0057] c、选择最大概率值对应的类别作为待识别卡号数字的值。
[0058] 由上述技术方案可知，本发明采用图像处理和字符识别技术，实现信用卡的定位、 字符分割和识别，自动读取信用卡的卡号，具有识别精度较高、成本低、速度快、主动读取等 优点。
【附图说明】
[0059] 图1是本发明的方法流程图；
[0060] 图2是本发明精确定位彳目用卡位置的流程图；
[0061] 图3是待处理的信用卡图像；
[0062] 图4是信用卡的水平边缘连通区域对图像；
[0063] 图5是信用卡的垂直边缘连通区域对图像；
[0064] 图6是信用卡的矩形边缘连通区域对图像；
[0065] 图7是精确定位信用卡位置图像；
[0066] 图8是信用卡卡号数字识别结果图像。
【具体实施方式】
[0067] 下面结合附图和具体实施例进一步说明本发明。
[0068] 本实施例针对的是符合我国银行卡卡片规范（QCUP_005_2011)标准的信用卡图 像，如图3所示。
[0069] 如图1所示，一种基于边缘特征的信用卡卡号识别方法，包括以下顺序的步骤：
[0070] S1、精确定位信用卡位置，如图2所示，具体步骤如下：
[0071] S11、获取卡片的水平边缘特征，具体步骤如下：
[0072] S111、基于以下公式，获取卡片的水平边缘特征图edgex(i，j) :edgex(i，j)= f(i-2, j)+f(i_l，j)+f(i+l，j)+f(i+2, j)_4*f(i，j)其中，edgeX(i，j)是卡片的水平边缘 特征图的第i行第j列位置的像素灰度值，f(i，j)是待处理信用卡图像的第i行第j列位 置的像素灰度值。
[0073] S112、基于最大类间距二值化算法，对卡片的水平边缘特征图进行二值化处理，获 取卡片的二值水平边缘特征图；
[0074] S113、基于连通区域的面积和长宽比，去除二值水平边缘特征图上的干扰区域，获 取有效的水平边缘连通区域；
[0075] S114、基于以下最小二乘法原理式，分别对每个水平边缘连通区域的前景目标点 进行直线拟合，获取每个水平边缘连通区域的倾斜角度αχ[ m]:
[0076]
[0077] 其中，aX[m]表示第m个水平边缘连通区域x[m]的倾斜角度，Xl、yi分别表示第 m个水平边缘连通区域X [m]上前景目标点的横坐标、纵坐标，N表示第m个水平边缘连通区 域x[m]上前景目标点的数量。
[0078] S115、寻找满足以下公式的水平边缘连通区域对pairx(p，q)，如图4所示：
[0079]
[0080] 其中，α x[p]、a x[q]分别表示构成一个水平边缘连通区域对pairx(p，q)的两个 水平边缘连通区域X [p]、x[q]的倾斜角度，Lwx [p]、Lwx [q]分别表示两个水平边缘连通区 域X [P]、x[q]的宽度，Tw表示预设的水平边缘连通区域的最小宽度。
[0081] S12、获取卡片的垂直边缘特征，具体步骤如下：
[0082] S121、基于以下公式，获取卡片的垂直边缘特征图edgey(i，j) :edgey(i，j)= f(i，j-2)+f(i，j-l)+f(i，j+l)+f(i，j+2)-4*f(i，j)其中，edgey (i，j)是卡片的垂直边缘 特征图的第i行第j列位置的像素灰度值，f(i，j)是待处理信用卡图像的第i行第j列位 置的像素灰度值。
[0083] S122、基于步骤S112至步骤S114,同理获取每个垂直边缘连通区域的倾斜角度 a y [m]；
[0084] S123、寻找满足以下公式的垂直边缘连通区域对pairy(p，q)，如图5所示：
[0085]
[0086] 其中，a y[p]、a y[q]分别表示构成一个垂直边缘连通区域对pairy(p，q)的两个 垂直边缘连通区域y[p]、y[q]的倾斜角度，Lhy [p]、Lhy [q]分别表示两个垂直边缘连通区 域y [P]、y [q]的高度，Th表示预设的垂直边缘连通区域的最小高度。
[0087] S13、寻找满足以下公式的卡片矩形边缘连通区域对rect (pairx，pairy)，如图6 所示：
[0088]
[0089] 其中，A(pairx)表示水平边缘连通区域对里的两个元素的平均倾斜角度， A(pairy)表示垂直边缘连通区域对里的两个元素的平均倾斜角度，LH(pairx)表示水平边 缘连通区域对里的两个元素之间的最小距离，LW(Pairy)表示垂直边缘连通区域对里的两 个元素之间的最小距离，WT是成为候选矩形边缘连通区域对的预设宽度阈值，λ是标准信 用卡的宽高比例系数。
[0090] S14、粗定位卡片的位置，做法是对于每张卡片的矩形边缘连通区域对 rect (pairx，pairy)，分别对构成该矩形边缘连通区域对的每个连通区域进行直线拟合，四 条边缘直线构成的矩形区域即是卡片的位置矩形。
[0091] S15、对卡片进行倾斜校正，方法是对于粗定位的卡片位置矩形区域，依据以下公 式进行旋转变换：
[0092]
其中，（X。，y。）是旋转变换前 的坐标值，（X，y)是旋转变换后的坐标值，（cx，Cy)是图像旋转基点，γ是旋转角度，其值 等于步骤S13里的A(pairx)的值。
[0093] S16、精确定位卡片位置，效果如图7所示，具体步骤包括：
[0094] S161、选择卡片边缘局部区域，主要做法是以倾斜校正后的卡片位置矩形的每一 条边缘为基础，将每一条边缘分别向两侧（即每一条水平边缘分别向上下、每一条垂直边 缘分别向左右）各扩展15个像素，扩展后得到的矩形区域即是卡片边缘局部区域，由于边 缘有四条，所以共产生四个卡片边缘局部区域，分别是上边缘局部区域、下边缘局部区域、 左边缘局部区域和右边缘局部区域。
[0095] S162、获取最大梯度边缘点，方法是，对于上、下边缘局部区域，获取每一列的最大 垂直梯度边缘点，对于左、右边缘局部区域，获取每一行的最大水平梯度边缘点。
[0096] S163、获取精确边缘位置，主要做法是对于每一个边缘局部区域，计算所有最大梯 度边缘点的位置均值，即是精确的卡片边缘位置。
[0097] S2、精确分割信用卡卡号数字，具体步骤如下：
[0098] S21、归一化信用卡卡片图像，消除不同尺寸偏差带来的影响；
[0099] S22、获得信用卡卡号数字位置，主要依据信用卡规范标准，定义一个卡片模板，然 后将归一化后的卡片图像与模板重叠，在相应位置直接获取卡号数字位置。
[0100] S3、识别信用卡卡号数字，如图8所示，具体步骤如下：
[0101] S31、获取卡号数字的特征向量x，主要是通过按行优先顺序将卡号数字灰度图像 串联成一维向量，即是特征向量。
[0102] S32、将卡号数字的特征向量送入Bayes分类器，按照以下公式，计算输入的特征 向量属于某一类的概率pi :
[0103]
[0104] 其中，X是输入的特征向量，u、Cov是经过Bayes分类器训练得到的，u是某一类目 标的特征向量的各维元素的均值