五月份各种课程，也是最后一个学期了，所以就没有跟大家分享自己的一些所学。现在课程终于结束了，即将开始下一阶段的项目开发，所以趁这个间隙把前段时间做的一些东西做一个总结吧。
言归正传，对各种证件的识别系统大家都不陌生，尤其是对车牌号的识别已经应用到我们生活的很多方面，例如小区摄像头对入库车辆车牌的识别，高速收费站前对车牌识别的摄像头等。那么对身份证信息的识别跟其它识别有什么区别呢，我想主要是对身份证的识别是在一个相对静态的环境下，受环境，光照等的扰动比较小，一般都是先对身份证摄像后，通过系统对身份证上的信息进行识别；第二点就是它跟其它证件一样，证件上的信息都有固定的颜色和位置，这样对我们第二步的分割就有很大的帮助。分析了身份证的固有特性后，简单说下我们系统的功能：1）将各个目标信息从身份证图片中分割出来，例如姓名信息，住址信息等；2）对分割出来的信息进行识别，最基础的要求是能统计出各个目标中汉字个数，数字个数，字母个数和特殊字符个数等，本次开发，我只是实现了对数字的识别并对汉字的识别提出自己的可行性方法，因为时间缘故没有花很多时间去实现对汉字的识别；
先给出几张我们实验用的照片：
当然这三张只是实验图片的一部分，但是又是很有代表性，第一张属于比较标准的，清晰的身份证图片，第二幅图片中身份证边界没有跟图片边界贴近，并且受到了光照不均的影响，第三张中身份证角度稍微有些倾斜，并且身份证的边界没有被照到。实际上这三张就代表了我们实际应用的测试图片，因为我们要使用识别系统，是人为的去对身份证拍摄，再将图片信息进行系统处理的，所以我们可以假定摄像时身份证同摄像头平行，并且身份证区域占整个图片区域的5/6以上；
下面就开始我们的实践阶段，该系统的开发主要分为三个阶段：图像预处理；目标区域分割；目标区域信息识别；
（1）预处理阶段主要是要将图片中的一些噪音，扰动过滤掉。
1）要提取目标区域信息，首先想到将图像进行灰度化，常用的灰度化方法很多，像分量法，加权法，均值法等等。但是通过实验发现，直接提取彩色图的R通道灰度图是最好的选择，因为该灰度图中前景和背景的对比度最大。如下图所示
通过灰度化后可以明显看出，我们先要提取的前景信息，相对于背景来说有明显的灰度对比（暂时先不用考虑头像部分，因为该部分位置相对固定，通过位置信息可以将其过滤）
2）通过获取局部最佳阈值来作为自适应的全局阈值；根据我们对身份证图片的假定和位置信息可以知道，在图片中心区域的左侧可以提取一个矩形区域，其中一定包含前景信息，通过获取该区域的最佳阈值，就可以近似作为整副图片的全局阈值；当然这样做也只是对图像做一个粗糙的过滤，因为受光照等的影响，局部阈值跟全局阈值会有一定的差异。但在后面的各个区域的获取中，我们有方法来进一步精确。
步骤如下1.在该区域内选择一个T作为初始估计值；
2.用T分割图像，这样做会生成两组像素：G1由所有灰度值大于T的像素组成，而G2由所有灰度值小于或者等于T的像素组成。
3.对于区域G1和G2中的所有像素计算平均灰度值u1和u2
4.计算新的门限值： T=（u1+u2）/2
5.重复步骤2到4，直到逐次迭代所得的T值之差小于事先定义好的参数P
通过阈值处理得到如下结果
（2）对图像进行预处理后，下一步就是对目标区域的提取。这一步我主要是用到了身份证中各个区域的位置信息，利用身份证号的特殊位置，和它本身相对固定的组成（18个数字或字母）先提取出身份证号的区域，在根据该区域与其它区域的相对位置获得其它目标对象的区域范围。这样就完成了第一步的分割任务。示例图如下
