受到微信钱包的启发，现在决心做一个类似的东东来玩一玩 -------------- 银行卡号识别
凡事要循序渐进，本次我们先来探讨静态银行卡号的识别，识别的方法有很多，那么在识别之前往往还有很多预处理的工作要做，接下来我将一一介绍。
目标图片 
一、灰度图像
我们将图像导入后，往往是三通道的RGB图像，这样的话计算量将非常的庞大，给识别带来了不必要的麻烦，所以，我们首先将图像转成灰度图像：
二、二值化处理
在转变成了灰度图像之后，为了进一步减小图像的复杂度，我们对图像进行二值化处理（这里根据图片的实际情况设定阈值，此时为28）：
cvThreshold(temp, binary, 28, 255, CV_THRESH_BINARY);
得到：
三、图像腐蚀
为了使图像中的数字部分更加的明显，我们采用图形学中的腐蚀对图片中的数字部分进行膨胀！这里要注意，腐蚀是对亮度高的而言，所以对于亮度低的数字来说，腐蚀处理即为膨胀处理，采用默认的3*3模板腐蚀一次即可，看具体情况适当调整。
cvErode(binary, erode, NULL, 1);
得到：
四、数字分割
在运用机器学习算法之前，我们需要把一个一个的数字分割开来，这里我们采用寻找轮廓，得到相应的外包矩形区域，在进行简单的筛选得到每个数字的区域。
//寻找轮廓来分割数字
IplImage *imgContour = cvCreateImage(cvGetSize(img), 8, 1);;
cvCopy(erode, imgContour);
CvSeq *contour;
CvMemStorage *storage = cvCreateMemStorage(0);
cvFindContours(imgContour, storage, &contour, sizeof(CvContour),CV_RETR_LIST, CV_CHAIN_APPROX_NONE);
//cout << a;
for( ; contour != NULL; contour = contour -> h_next )
{
CvRect rect = cvBoundingRect( contour, 0 );
cout << rect.width * rect.height << endl;
if(rect.width * rect.height > 1000 && rect.width * rect.height <1800)
cvRectangle( erode, cvPoint( rect.x , rect.y ),cvPoint( rect.x + rect.width, rect.y + rect.height ), cvScalar(0,0,0), 0 );
}
注意：这里cvFindContours函数会对图片进行改动，所以要用另一张图来进行cvFindContours处理，再在另一张图想画出外包矩形区域来。
数字框一般大小有限制,我设定矩形框的面积范围来筛选出每个数字出来，得到以下结果：
结果评价： 分割的效果不是特别理想，除了数字外还有部分区域没有处理掉，会给识别带来难度；下面的数字我们也需要想办法消除；第二个数字分割效果不佳。
这些问题我将在后面进一步改进！
（待续）