一、前言
本文主要实现身份证图像上身份证号码的自动识别，在Qt平台上使用opencv进行图像处理，并绘制简单的用户界面，设计了基于Qt和opencv的身份证号码识别系统。
二、用户界面
以下是一些简单的控件，这里只是实现了身份证号码的识别，没有汉字(名字和地址)的识别，水平还不够。
三、身份证图像处理流程
下图是身份证识别系统的系统框图。
四、图像二值化处理
在获取另一个图像(即彩色身份证的图像)之后，选择r分量作为彩色图像的灰度化，然后对图像进行二值化，使得身份证号码的颜色和背景颜色差异很大。 这里需要获取图像的全局阈值和本地阈值。 当通过Otsu算法(实现了opencv )获得整个图像的全局阈值t、通过Beresen方法获得感兴趣的像素的域窗口中的灰度平均值Tbn、并使用整个图像的最大灰度值和最小灰度值获得一个校正因子b时，获得第二校正因子b
这里，t是Ostu全局阈值，Tbn由以下公式确定。
b由以下公式决定。
这里，g2是图像中的灰度的最大值，g1是图像中的灰度的最小值，c是经验系数，通常使用函数OstuBeresenThreshold实现0.12算法，实现的效果如下。
五、身份证号码定位
对二值化图像进行背景黑色处理，对居民票号进行黑白反转处理，然后进行闭图像操作后，利用findContours检测二值图像中白色像素块的轮廓，提取符合长宽比和面积要求的轮廓。 找到的配置文件如下：
要识别汉字，可以在这一部分对齐汉字区域进行剪切
六、号码分割
获取的裁剪后的id号图像缩小为300*20的分辨率尺寸。 如下所示
在该图像中，显然id编号与背景图像颜色的区分较高，所以在反转颜色后，用Otsu法进行二值化时得到
要分割编号，只需分割列，即进行统计
其中f(x，y )是介于两个字符之间的像素，该过程通过函数char_segment实现
七、特征提取
提取数字字符特征向量，即梯度分布特征灰度分布特征水平投影直方图垂直投影直方图，最后得到每个字符1*72的特征向量，用calcGradientFeat函数实现
八、神经网络训练
所用训练图像均由多个身份证图像分割得到，然后经过特征提取，得到的训练矩阵和标签矩阵保存在ann_xml.xml文件中，由函数getAnnXML实现，并从ann_train中读取训练矩阵和标签矩阵
九、分类器分类
利用训练的神经网络对提取的字符特征向量进行分类，用函数classify实现。
十、校验位计算
由于最后一位的识别率可能不高，最后一位的分割结果可能不好，所以最后一位的奇偶校验位直接从前17位的数字开始计算，由getParityBit函数来实现。
十一、结果显示
该身份证号码识别系统处理的图像，需要身份证区域尽可能占据整个图像的更多区域，并且在单色背景下拍摄。 另外，拍摄的身份证图像必须尽可能均匀地照亮，不存在高亮。 如下所示
系统识别结果如下。
使用的身份证照片都来自百度搜索
源程序下载： http://download.csdn.net/detail/AP 1005834/9530222