最近在折腾验证码识别。最终的脚本的识别率在92%左右，9000张验证码大概能识别出八千三四百张左右。好吧，其实是验证码太简单。下面就是要识别的验证码。
我主要用的是python中的pil库。
首先进行二值化处理。由于图片中的噪点颜色比较浅，所以可以设定一个阈值直接过滤掉。这里我设置的阈值是150，像素大于150的赋值为1，小于的赋为0.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
def set_table(a): table = [] for i in range(256): if i < a: table.append(0) else: table.append(1) return tableimg = image.open("d:/python/单个字体/a"+str(i)+".jpg")pix = img.load()#将图片进行灰度化处理img1 = img.convert('l')#阈值为150，参数为1，将图片进行二值化处理img2 = img1.point(set_table(150),'1') |
处理后的图片如下。
阈值不同产生的不同效果：
接下来对图片进行分割。遍历图片中所有像素点，计算每一列像素为0的点的个数（jd）。对于相邻两列，若其中一列jd=0,而另一列jd!=0,则可以认为这一列是验证码中字符边界，由此对验证码进行分割。这样分割能达到比较好的效果，分割后得到的字符图片几乎能与模板完全相同。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
(width,height) = img2.sizepix2 = img2.load()x0 = []y0 = []for x in range(1,width): jd = 0 # print x for y in range(1,height): # print y if pix2[x,y] == 0: jd+=1 y0.append(jd) if jd > 0: x0.append(x)#分别对各个字符边界进行判断，这里只举出一个 for a in range(1,width): if (y0[a] != 0)&(y0[a+1] != 0): sta1 = a+1 break |
分割完成后，对于识别，目前有几种方法。可以遍历图片的每一个像素点，获取像素值，得到一个字符串，将该字符串与模板的字符串进行比较，计算汉明距离或者编辑距离（即两个字符串的差异度），可用python-levenshtein库来实现。
我采用的是比较特征向量来进行识别的。首先设定了4个竖直特征向量，分别计算第0、2、4、6列每一列像素值为0的点的个数，与模板进行比较，若小于阈值则认为该字符与模板相同。为了提高识别率，如果通过竖直特征向量未能识别成功，引入水平特征向量继续识别，原理与竖直特征向量相同。
另外，还可以通过局部特征进行识别。这对于加入了旋转干扰的验证码有很好效果。由于我写的脚本识别率已经达到了要求，所以并没有用到这个。
最后的结果是这样的：
最终在模板库只有25条的情况下，识别率在92%左右（总共测试了一万六千张验证码）。好吧，只能说验证码太简单。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/y0nghum1ng/article/details/45171125
