Python_cv2_credit_card_identification/utils.py

import cv2

#参数一:list结构的，轮廓信息
#参数二:要使用的方法
#返回值:处理过后的轮廓和矩形轮廓
def sort_contours(cnts,method="left-to-right"):
    reverse=False
    i=0

    if method=="right-to-left" or method =="bottom-to-top":
        reverse=True
    if method=="top-to-bottom" or method=="bottom-to-top":
        i=1

    '''
    cv2.boundingRect(c) 
    返回四个值，分别是x，y，w，h；
    x，y是矩阵左上点的坐标，w，h是矩阵的宽和高
    '''
    boundingBoxes=[cv2.boundingRect(c) for c in cnts] #在轮廓信息中找到一个外接矩形
    (cnts,boundingBoxes)=zip(*sorted(zip(cnts,boundingBoxes),key=lambda b:b[1][i],reverse=reverse))
    return cnts,boundingBoxes

#重置大小，用于比较模板和图像中的数字是否一致
#插值方法如下：
#INTER_NEAREST:最邻近插值
#INTER_LINEAR:双线性插值,默认情况下使用该方式进行插值.
#INTER_AREA:基于区域像素关系的一种重采样或者插值方式.该方法是图像抽取的首选方法,它可以产生更少的波纹,
#但是当图像放大时,它的效果与INTER_NEAREST效果相似.
#INTER_CUBIC:4×4邻域双3次插值
#INTER_LANCZOS4:8×8邻域兰索斯插值
def resize(image,width=None,height=None,inter=cv2.INTER_AREA):
    dim=None
    (h,w)=image.shape[:2] #(200,300,3)
    if width is None and height is None:
        return image
    if width is None:
        r=height/float(h)
        dim=(int(w*r),height)
    else:
        r=width/float(w)
        dim=(width,int(h*r))

    resized=cv2.resize(image,dim,interpolation=inter)
    return resized