資訊專欄INFORMATION COLUMN
摘要：你說我一個(gè)學(xué)電氣的，怎么就跑來寫驗(yàn)證碼識(shí)別了呢。我當(dāng)時(shí)就念了兩句代碼，茍言歸正傳，驗(yàn)證碼識(shí)別主要分兩部分圖像分割和識(shí)別。其中，分割驗(yàn)證碼是最麻煩的，因?yàn)榛緵]有一勞永逸的分割方法。
原blog在這里>> https://github.com/100steps/B... 因?yàn)樵L問Github太慢所以重新上傳了圖片，下面才是正文。。
這個(gè)鍋本來是若花的，然而不知不覺就甩我背上了。你說我一個(gè)學(xué)電氣的，怎么就跑來寫驗(yàn)證碼識(shí)別了呢。波小跟我說，組織上決定了，由我來寫這個(gè)。我當(dāng)時(shí)就念了兩句代碼，print "茍....
言歸正傳，驗(yàn)證碼識(shí)別主要分兩部分：圖像分割和識(shí)別。其中，分割驗(yàn)證碼是最麻煩的，因?yàn)榛緵]有一勞永逸的分割方法。
本文基于opencv2.4，有興趣的可以去了解一下。
圖像分割我們先來看看教務(wù)的驗(yàn)證碼。
可以看到，是個(gè)72x27像素的矩形，而且每個(gè)字符的顏色都是一樣的，所以只要提取那個(gè)顏色的像素就可以分離出字符了。聽起來很簡(jiǎn)單是不是？
首先我要表揚(yáng)一下若花，因?yàn)槿艋ǖ捻?xiàng)目雖然tj了，里面用到的分割算法確是非常贊的。那么我們先來看一下若花是怎樣做的。
這個(gè)GIF所演示的就大致是若花的算法了，若花當(dāng)時(shí)對(duì)我說的是“染色”，也就是油漆桶算法（又叫種子填充算法，F(xiàn)loodfill）。說實(shí)話看了若花的代碼，我深有感觸。首先，若花自己一個(gè)人寫了前端和后臺(tái)，前端用了npm、bootstrap，還用了ajax，要是讓我來寫。。。。。。估計(jì)又要在群上喊耀宗了。其次是算法的實(shí)現(xiàn)都是若花都是用php寫的，php在這方面有點(diǎn)先天弱勢(shì)，但是若花還是寫出來了，所以要給若花點(diǎn)個(gè)贊。
但是說了這么多，我最終還是沒有采用這個(gè)算法。為什么呢？
因?yàn)檫@個(gè)算法有個(gè)致命的問題，對(duì)于ij這樣帶有非聯(lián)通區(qū)域的字母，會(huì)把上面的點(diǎn)漏掉。。。。。。這就很尷尬了。我一開始想，能不能先給出每個(gè)字母的最小區(qū)間，再對(duì)區(qū)間內(nèi)的字符顏色的像素染色，這樣就有很大幾率可以把點(diǎn)也染上，因?yàn)閷戇^原生的php生成驗(yàn)證碼的代碼，知道字符雖然有旋轉(zhuǎn)和位移，一開始的位置還是有規(guī)律的。如果想分離出單個(gè)字符，可以直接使用RGB中R的通道，第一個(gè)字符就+1，第二個(gè)+2，第三個(gè)+4，第四個(gè)+8，這樣數(shù)一下R的大小就可以把字符分開，還可以知道哪些字符相連，然后相連字符再重新分隔。
但是后來我又放棄了，因?yàn)槲?del>比若花還要懶找到了更好的方法。之前的方案要統(tǒng)計(jì)一定數(shù)量的驗(yàn)證碼來確定每個(gè)字符的最小染色起始區(qū)間，還要把php寫的染色算法改寫成python。
所以最后，我使用了opencv自帶的k-means算法。這個(gè)算法的好處在于有現(xiàn)成的函數(shù)可以偷懶不但可以分割提取字符，還可以找出每個(gè)字符的中心點(diǎn)。中心點(diǎn)可是個(gè)好東西，不但可以確定字符的次序，還可以對(duì)每個(gè)字符標(biāo)準(zhǔn)化，方便后續(xù)的特征提取。
說到特征提取，若花好像就是卡在這一步。他的分類器好像都基本寫完了，而且是php寫的，說實(shí)話真的很厲害。。。
我這里使用了ocr例程里的方向梯度直方圖Histogram of Oriented Gradients （HOG）作為特征向量。在計(jì)算 HOG 前還要使用圖片的二階矩對(duì)其進(jìn)行抗扭斜（deskew）處理，然后把每個(gè)字符分成4塊，我這里把27x27的字符分成了14x14的小方塊，然后計(jì)算圖像 X 方向和 Y 方向的 Sobel 導(dǎo)數(shù)（這個(gè)不是很懂，如果有人知道請(qǐng)告訴我）。然后計(jì)算得到每個(gè)像素的梯度的方向和大小。把這個(gè)梯度轉(zhuǎn)換成 16 位的整數(shù)。將圖像分為 4 個(gè)小的方塊，對(duì)每一個(gè)小方塊計(jì)算它們的朝向直方圖（16 個(gè) bin），使用梯度的大小做權(quán)重。這樣每一個(gè)小方塊都會(huì)得到一個(gè)含有 16 個(gè)成員的向量。4 個(gè)小方塊的 4 個(gè)向量就組成了這個(gè)圖像的特征向量（包含 64 個(gè)成員）。這就是我們要訓(xùn)練數(shù)據(jù)的特征向量。
圖像識(shí)別這里我用在knn和svm中選用了svm。knn每次識(shí)別都要遍歷一遍現(xiàn)有數(shù)據(jù)，隨著數(shù)據(jù)的增加識(shí)別速度會(huì)下降，而svm就沒有這個(gè)問題。svm有很多相關(guān)資料可以查，比如前面給的鏈接，這里就不細(xì)說。而且opencv自帶的svm并不是最好的，3.0版還有bug，無法導(dǎo)入訓(xùn)練好的模型:(
識(shí)別速度還算令人滿意。
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/40776.html
摘要：可惜收費(fèi)的，今天要介紹的完美驗(yàn)證碼識(shí)別系統(tǒng)是類似的免費(fèi)產(chǎn)品。調(diào)用函數(shù)相當(dāng)簡(jiǎn)單的，對(duì)比復(fù)雜的參數(shù)，這個(gè)識(shí)別是相當(dāng)?shù)目旖荨? 此文已由作者徐迪授權(quán)網(wǎng)易云社區(qū)發(fā)布。 歡迎訪問網(wǎng)易云社區(qū)，了解更多網(wǎng)易技術(shù)產(chǎn)品運(yùn)營經(jīng)驗(yàn)。 講到驗(yàn)證碼識(shí)別，大家第一個(gè)可能想到tesseract。誠然，對(duì)于OCR而言，tesseract確實(shí)很強(qiáng)大，自帶的字模能識(shí)別絕大多數(shù)規(guī)整的中英文。但是驗(yàn)證碼畢竟不是OCR。對(duì)于現(xiàn)在...
摘要：圖片驗(yàn)證碼是目前最常用的一種。神經(jīng)網(wǎng)絡(luò)以上驗(yàn)證碼識(shí)別都依賴于字符切分，切分的好壞幾乎直接決定識(shí)別的準(zhǔn)確程度。目前驗(yàn)證碼識(shí)別最先進(jìn)的是谷歌在識(shí)別街景圖像中門牌號(hào)碼中使用的一套的算法。 全自動(dòng)區(qū)分計(jì)算機(jī)和人類的圖靈測(cè)試（Completely Automated Public Turing test to tell Computers and Humans Apart，簡(jiǎn)稱CAPTCHA），...
摘要：驗(yàn)證碼的識(shí)別成功率跟圖片質(zhì)量關(guān)系密切，一般拿到后的驗(yàn)證碼都得經(jīng)過灰度化，二值化，去噪，利用就可以很方便的做到。 了解驗(yàn)證碼 什么是驗(yàn)證碼？ 所謂驗(yàn)證碼，就是將一串隨機(jī)產(chǎn)生的數(shù)字或符號(hào)，生成一幅圖片，圖片里加上一些干擾象素（防止OCR），由用戶肉眼識(shí)別其中的驗(yàn)證碼信息，輸入表單提交網(wǎng)站驗(yàn)證，驗(yàn)證成功后才能使用某項(xiàng)功能，通俗說就是一種區(qū)分用戶是計(jì)算機(jī)和人的公共全自動(dòng)程序 驗(yàn)證碼的作用 可以...
摘要：為了應(yīng)付這種情況，很多網(wǎng)站加大驗(yàn)證碼識(shí)別難度，復(fù)雜的驗(yàn)證碼甚至讓用戶都很難識(shí)別了，這種方式劣勢(shì)十分明顯，糟糕的用戶體驗(yàn)最終會(huì)讓網(wǎng)站流失用戶，這便是為什么有人吐槽網(wǎng)站的驗(yàn)證碼的原因了。 歡迎訪問網(wǎng)易云社區(qū)，了解更多網(wǎng)易技術(shù)產(chǎn)品運(yùn)營經(jīng)驗(yàn)。 首先來談?wù)勻?yàn)證碼的機(jī)制，驗(yàn)證碼作為一種人機(jī)識(shí)別手段，其終極目的，就是區(qū)分正常人和機(jī)器的操作。而對(duì)于沒有驗(yàn)證碼的場(chǎng)景，比如用戶登陸，則機(jī)器可以同時(shí)、大批量...
摘要：下面我們便來講種驗(yàn)證碼的識(shí)別方式和一些思路。哈哈庫其實(shí)，驗(yàn)證碼識(shí)別歸根到底還是對(duì)各種各樣圖片的識(shí)別和操作，中有很對(duì)圖像處理的庫，其中就是其中之一。所以在處理驗(yàn)證碼識(shí)別之前，必須先了解庫和。第五步，按照規(guī)定軌跡進(jìn)行拖動(dòng)，完成驗(yàn)證。 寫在前面 現(xiàn)在，很多網(wǎng)站采取各種各樣的措施來反爬蟲，其中之一就是使用驗(yàn)證碼。當(dāng)我們?cè)L問網(wǎng)頁時(shí)，必須先通過驗(yàn)證碼才能夠訪問頁面。下面我們便來講2種驗(yàn)證碼的識(shí)別方...
閱讀 2820·2023-04-25 15:01
閱讀 3079·2021-11-23 10:07
閱讀 3365·2021-10-12 10:12
閱讀 3457·2021-08-30 09:45
閱讀 2195·2021-08-20 09:36
閱讀 3587·2019-08-30 12:59
閱讀 2435·2019-08-26 13:52
閱讀 934·2019-08-26 13:24
