2-30从身份证照片中自动定位并识别 18 位号码：图像分割 + BP 神经网络身份证号码识别

一句话介绍： 这套程序读取身份证照片，通过二值化、形态学膨胀和连通域分析自动找到身份证号码区域，再把 18 个字符逐个分割成 100×100 二值图，送入已经训练好的神经网络识别，最后利用第 18 位校验码判断整串号码是否识别正确，并把通过校验的结果保存到 TXT 文件。

先看它解决什么问题

如果直接把整张图片送给数字分类器，分类器并不知道哪里才是号码。

这套程序先解决“号码在哪里”，再解决“每个字符是什么”：

身份证照片 → 统一尺寸 → 二值化 → 横向连接字符 → 定位号码行 → 分割 18 个字符 → 神经网络逐字符识别 → 校验第 18 位 → 输出号码文本

需要先明确一点：

当前源码实际识别的是身份证上的 18 位号码，不是对姓名、性别、民族、地址等全部证件字段做 OCR。

1. 这个工程真正包含什么？

核心文件只有 4 个：

程序识别成功后还会生成：身份证号码.txt用于保存最终通过校验的 18 位号码。

2. 程序首先怎样处理身份证照片？

随后把整张图统一缩放到：2560 × 2100并转换为双精度图像。

程序分别尝试 0.4 和 0.3 两个二值化阈值，其中后续真正用于号码定位的是：阈值 0.3

之后再使用半径约为：2 像素

的圆盘结构元素进行一次膨胀。

这样做的目的不是直接识别字符，而是先增强文本区域，让后续区域连接和定位更稳定。

3. 为什么还要连续做 3 次横向膨胀？

身份证号码中的 18 个字符原本彼此分开。

如果直接做连通域分析，程序会看到很多单独数字，很难把它们整体判断成“身份证号码这一行”。

所以程序先把二值图取反，让文字成为前景，再使用：

长度 20、方向 0° 的水平线结构元素

连续膨胀 3 次。

这个操作会把同一行中距离较近的字符沿水平方向连接起来。

可以理解为：

3 6 2 1 … → 一整条横向文本区域

于是身份证号码行就从“18 个小目标”转变成“一个长而窄的连通区域”。

4. 程序怎样从整张身份证里找到号码区域？

横向连接完成后，程序调用 regionprops 获取所有连通区域的外接矩形。

然后根据号码行的几何特征进行筛选：

宽度接近 1200 像素

并且：

高度接近 62 像素

具体允许范围约为：

|width - 1200| < 80

|height - 62| < 10

也就是说，程序利用的是：

身份证号码区域“横向很长、纵向较窄”的版式特征。

对工程自带 身份证.jpg 按源码流程复现，最终找到的候选号码区域约为：

1174 × 64 像素

正好落在源码设定的筛选范围内。

5. 号码行找到以后，18 个字符怎样分开？

号码区域提取完成后，程序再次执行连通域分析。

get_number.m 使用字符高度作为筛选条件：

字符外接矩形高度 > 20 像素

满足条件的区域被看作身份证号码字符。

程序随后按照区域顺序依次提取：

第 1 个字符 → 第 2 个字符 → … → 第 18 个字符

如果筛选后不是恰好 18 个字符，程序会提示：

身份证号码识别错误

对工程自带样本复现时，这一步能够筛出：

恰好 18 个字符区域

说明当前样本与源码预设的版式和尺度是匹配的。

6. 为什么每个字符还要放进 100×100 图像？

不同数字的实际外接矩形尺寸略有不同。

如果直接把不同大小图片送入神经网络，输入维数就无法保持一致。

所以程序建立统一的：100 × 100白色画布。

每个分割字符都被放到画布中，从第 21 行、第 21 列附近开始排列。

这样每个识别样本都会变成：100 × 100 = 10000 个像素

随后再拉直成：10000 × 1的输入向量。

因此整个预处理完成了：

不同尺寸字符 → 固定尺寸神经网络输入

7. NET_new.mat 里的神经网络是什么结构？

对 NET_new.mat 实际读取后，可以确认网络结构为：

10000 输入 → 50 个隐藏神经元 → 1 个输出

其中：

输入层对应 100×100 二值字符的 10000 个像素；

隐藏层有 50 个神经元；

隐藏层使用 logsig Sigmoid 激活函数；

输出层只有 1 个神经元，使用线性 purelin 输出。

所以它不是常见的“11 个输出节点分别对应 0～9 和 X”。

当前网络使用的是：单输出数值编码。

网络输出一个实数 a，然后程序执行：

class = round(a)

将输出四舍五入成整数类别。

8. 数字 0～9 和字母 X 怎样编码？

程序把普通数字直接编码为：

0、1、2、…、9

身份证最后一位可能出现的：X

则编码为：10

因此识别逻辑是：

网络输出 ≈ 0～9 → 对应数字

网络输出 ≈ 10 → 对应 X

最后写入 TXT 时，如果第 18 位结果等于 10，程序就输出字符：X

而不是字符串“10”。

9. 神经网络为什么能识别字符？

可以把当前两层网络理解为：

h = sigmoid(W₁x + b₁)

a = W₂h + b₂

其中：

x：10000 维二值字符；

W₁、W₂：训练得到的网络权重；

b₁、b₂：偏置；

h：50 维隐藏特征；

a：最终数值输出。

隐藏层并不是直接按照“第几个像素黑了”做判断，而是通过训练得到的权重，把大量像素组合成能够区分不同字符形状的内部特征。

最终输出再通过 round 映射到：0～10中的一个类别。

10. 为什么识别完 18 个字符以后还要做校验？

单字符识别即使每一位准确率都很高，18 位连续识别仍然可能出现某一位误判。

身份证号码本身提供了一个非常有用的额外条件：

第 18 位不是任意字符，而是由前 17 位按照固定权重计算得到的校验位。

程序使用的 17 个权重为：

[7, 9, 10, 5, 8, 4, 2, 1, 6, 3, 7, 9, 10, 5, 8, 4, 2]

先计算：S = Σ(i=1→17) IDᵢ × wᵢ

再计算：r = S mod 11

最后根据余数查表得到正确的第 18 位。

校验位表对应：[1, 0, X, 9, 8, 7, 6, 5, 4, 3, 2]

源码内部用数字 10 表示 X。

11. 校验码对识别有什么实际价值？

假设神经网络输出了 18 个字符，但中间某一位识别错了。

即使这个错误字符看起来“很像”，重新计算出来的第 18 位通常也会和网络识别的最后一位不一致。

程序因此增加了一层：

字符识别 → 整串号码合法性检查

只有当：计算得到的校验位 = 识别得到的第 18 位

才显示：身份证信息识别成功

并保存 TXT。否则程序直接提示识别错误。

所以这个工程不是单纯依赖神经网络，而是把：

图像识别结果 + 身份证号码自身规则

组合起来提高最终输出的可信度。

12. 工程自带样本的实际识别效果

对 身份证.jpg 按源码处理流程复现：

能够定位到符合尺寸条件的号码行；

能够分割出 18 个有效字符；

18 个字符输入 NET_new.mat 后，网络输出与样本图中的号码一致；

根据前 17 位重新计算的校验位与第 18 位一致；

整串号码通过源码中的合法性验证。

因此对工程自带示例来说，完整流程能够走通：

定位成功 → 18 字符分割成功 → 神经网络识别成功 → 校验成功

出于证件信息隐私考虑，这里不展示样本中的完整身份证号码。

13. 为什么不直接对整张身份证做神经网络分类？

当前网络的任务只是：识别一个已经分割好的单字符。

如果直接把整张身份证缩放成 100×100，号码只占其中很小一部分，姓名、人像、背景纹理都会成为巨大干扰。

所以程序先利用身份证固定版式做：号码区域定位

再利用连通域做：字符切分

最后才让网络解决：单字符分类

这样相当于把一个复杂问题拆成：在哪里？ → 分成谁？ → 每个字符是什么？

比让一个小型 BP 网络一次理解整张证件更加符合当前工程的能力范围。

14. 这种方法理论上为什么适合当前身份证样本？

优势一：版式几何信息先缩小搜索范围

身份证号码通常位于固定区域，并且是一条长文本。

横向膨胀和外接矩形筛选先把无关的人像、姓名和地址区域排除，让字符网络只处理真正需要识别的位置。

优势二：连通域适合分离印刷数字

当前样本中的 18 位号码字符之间有明显间隔。

二值化后，每个字符可以形成独立连通区域，因此可以直接按高度和位置切分。

优势三：固定 100×100 输入让网络结构简单明确

所有字符统一成 10000 维输入后，同一个网络就能处理 0～9 和 X，不需要针对字符大小设计不同模型。

优势四：校验码提供识别后的二次验证

图像分类只判断“长得像什么”，校验位则判断“整串号码在规则上是否成立”。

两者结合比只看单字符输出更完整。

15. 程序最终能得到什么？

运行成功后，程序主要得到：

身份证号码区域；18 个单字符二值图；18 个网络识别结果；校验码验证结果；

身份证号码.txt：通过验证后的号码文本。

同时主程序还会把分割出的 18 个字符临时保存为：1.bmp ～ 18.bmp

这些图片就是送入神经网络的标准化字符样本。

16. 怎么运行？

主程序是：new_ID.m

运行后选择需要识别的 JPG 或 BMP 身份证图片即可。

程序依赖图像处理函数，如 imresize、im2bw、strel、imdilate、regionprops，同时 NET_new.mat 使用 MATLAB 传统 Neural Network Toolbox 网络格式，通过 sim(net, BMP) 完成识别。

如果使用工程自带 身份证.jpg，当前固定尺寸、区域宽高筛选和字符高度规则能够直接匹配该样本。

17. 一句话看懂这个项目

这是一个身份证 18 位号码识别程序：它把证件照片缩放到 2560×2100，以 0.3 阈值二值化并进行形态学处理，再通过约 1200×62 的长条连通区域定位号码行，筛出 18 个字符并统一成 100×100 二值图；NET_new.mat 使用 10000 输入、50 隐层神经元和 1 个线性输出完成 0～9 / X 的数值分类，最后再用前 17 位的加权模 11 校验验证第 18 位，只有整串号码通过校验后才写入 身份证号码.txt。