首先对模板数字进行操作 ，得到模板的轮廓。

mode=cv2.imread('mode.png',1)
#读入模板图
mode1 = cv2.cvtColor(mode, cv2.COLOR_BGR2GRAY)
cv2.imshow('mode1',mode1)#模板图转换成灰度图
mode2=cv2.threshold(mode1,10,255,cv2.THRESH_BINARY_INV)[1]
cv2.imshow('mode2',mode2)
#模板灰度图转成二值图
mode_c,mode_h=cv2.findContours(mode2.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
#检测模板轮廓
draw = cv2.drawContours(mode,mode_c,-1,(0,100,100),3,cv2.LINE_AA)
cv2.imshow('draw',draw)
#画出模板轮廓
boundingBoxes = [cv2.boundingRect(c) for c in mode_c]
(mode_c, boundingBoxes) = zip(*sorted(zip(mode_c, boundingBoxes),key=lambda b: b[1][0]))

 得到的数字模板的轮廓图像如下：

 对银行卡进行一定处理，方便框出所需要的数据：

# 读入卡图
card = cv2.imread('card.png', 1)#转换成二值图
card1=cv2.cvtColor(card,cv2.COLOR_BGR2GRAY)
cv2.imshow('card1',card1)
# 初始化卷积核
RK = cv2.getStructuringElement(cv2.MORPH_RECT, (27, 17))
SK = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
#礼帽操作
card2=cv2.morphologyEx(card1,cv2.MORPH_TOPHAT,SK)
cv2.imshow('card2',card2)
#阈值处理
card3=cv2.threshold(card2,20,255,cv2.THRESH_BINARY)[1]
cv2.imshow('card3',card3)

 经过一系列处理的银行卡图像：

#闭操作处理
card4=cv2.morphologyEx(card3,cv2.MORPH_CLOSE,RK)

 闭操作处理得到含有银行卡号的轮廓：

通过一系列的操作如长宽比等框出有效的实际卡号位置，再重新定义合适的模板大小进行处理匹配数字。

#找出轮廓
card_c,card_h=cv2.findContours(card4,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cv2.imshow('card4',card4)
#绘制轮廓
card5=cv2.drawContours(card.copy(),card_c,-1,(0,0,255),2)
cv2.imshow('card5',card5)
#保存有用轮廓
loc=[]
output=[]
for (i,c) in enumerate(card_c):(x,y,w,h)=cv2.boundingRect(c)ar = w / float(h)# 选择合适的区域，根据实际任务来，这里的基本都是四个数字一组if ar > 3.3 and ar < 3.5:# 符合的留下来loc.append((x, y, w, h))
for (i, (X, Y, W, H)) in enumerate(loc):out=[]cv2.rectangle(card, (X - 5, Y - 5), (X + W + 5, Y + H + 5), (0, 100, 255), 2)#提取每段数字group = card1[Y - 5:Y + H + 5, X - 5:X + W + 5]group = cv2.threshold(group, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]#group = cv2.threshold(group, 100, 255, cv2.THRESH_BINARY)[1]group_c,group_h=cv2.findContours(group,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)for c in group_c:# 找到当前数值的轮廓，resize成合适的的大小(x, y, w, h) = cv2.boundingRect(c)roi = group[y:y + h, x:x + w]roi = cv2.resize(roi, (57, 88))# 计算匹配得分scores = []# 在模板中计算每一个得分for (A, B) in md.items():# 模板匹配result = cv2.matchTemplate(roi, B,cv2.TM_CCOEFF)(_, score, _, _) = cv2.minMaxLoc(result)scores.append(score)# 得到最合适的数字out.append(str(np.argmax(scores)))# 画出来out.reverse()cv2.rectangle(card, (X - 5, Y - 5),(X + W + 5, Y + H + 5), (0, 0, 255), 1)cv2.putText(card, "".join(out), (X, Y - 15),cv2.FONT_HERSHEY_SIMPLEX, 0.65, (0, 0, 255), 2)# 得到结果output.extend(out)

 最后的到银行卡号的识别结果如下：