一 研究背景及介绍
随着移动支付的逐渐兴起和快速发展，提供移动支付功能的APP迅速增多，支持移动支付功能的APP都会涉及到个人银行卡账户的绑定，输入银行卡号成了必不可少的步骤。银行卡号数字较多，很难记忆，而且大多数人也不止一张银行卡，人们很少会记住所有银行卡的卡号，大多数人都是边看卡号边输入。在实际的测试中发现，手动输入16-19位银行卡号码，速度慢，易出错，用户体验非常差。为了提高银行卡号输入的速度和准确性，需要通过移动设备捕捉银行卡的图像，并根据银行卡图像识别卡号直接将卡号输入到移动设备中。
生活中的银行卡卡号可以分成平面和凸起两种形式，卡号为平面字符的银行卡，其卡号字符的颜色基本为黑色，背景花纹对卡号区域没有影响，人眼通过色差来完成对卡号的识别。卡号为凹凸字符的银行卡，其凹凸字符是通过机器压印而成的，人眼主要通过深度和亮度信息来进行卡号的识别。凹凸字符的银行卡因为卡号字符的颜色与背景区域差别不大，导致卡面.上的背景花纹很难与卡号字符分离，这就会给卡号的分割和识别带来很大的困难。
二 相关实现
通过对课题相关论文的了解与学习，可以将该课题设计大致分成三个部分。
- 对银行卡图像的预处理
首先，在实际应用中，获取银行卡图像的页面会显示--个矩形框，拍照时尽量使银行卡的四个边缘与矩形框重合。但是使用移动设备拍照时会存在手部抖动的情况，这就可能导致矩形框与银行卡的四个边框不能完全重合，得到的图像存在一定的倾斜，因此需要考虑到对获得的图像进行倾斜校正。
然后需要进行灰度化，通常拍摄或保存的银行卡图像都是彩色图像，处理图像时，要分别对ＲＧＢ三种颜色分量进行处理，计算量较大，计算时间较长．灰度图像即可表示卡号的形态特征，并且比彩色图像所占存储空间小．为了优化系统，需要将原银行卡图像转换成８位的灰度值图像。
下来进行二值化，获取的灰度化图像需进行二值化处理．二值化就是将彩色图像转换为只包含两种像素值的图像，分别用255和０表示白色和黑色，二值化处理需要通过函数计算出阈值Ｔ，分割所有像素点，大于该阈值的像素点变为255（白色），小于该阈值的像素点变为０（黑色）。
最后需要获取银行卡的卡号区域，由于银行卡种类众多，这就导致：1）卡号字符的位置有所不同；2）卡号字符的排列方式有所不同；3）卡号字符的个数有所不同。因此对于拍摄的银行卡图像需要处理，才能得到相应的卡号区域。
使用边缘检测，利用银行卡号与背景像素点有跳跃性的差别，确定卡号的具体位置，通常卡号位于梯度值最大处．将卡号的位置确定，可有针对性地对数字进行识别，所以这是很重要的一步。边缘检测总会受到各种因素所干扰，例如:焦距有限造成聚焦模糊; 光源产生的阴影带来的半影模糊; 因物体呈现的反射或者漫反射而造成模糊; 光滑物体边缘的阴影。
然后对于处理后得到的银行卡的二值化处理过的图像，需要将卡号区域与背景分离出来。首先需要确定卡号位置，轮廓提取就是一种很好的确定卡号区域的方法。OpenCV 中 cvFindContours 就是提取目标轮廓的函数，输入二值图像，输出的图像只是卡号的连续区域。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
