陕西移动网上营业厅验证码识别方案

// 转载请注明出处  鲲鹏数据 http://www.site-digger.com

 

陕西移动网厅：http://www.sn.10086.cn/

验证码生成链接：https://sn.ac.10086.cn/SSO/servlet/CreateImage

验证码示例：

该验证码较为简单：内容为四位纯数字（0-9），单个字符宽度固定，字符垂直位置固定，背景有很少的杂色。

 

识别方案：

1）提取特征库。

下载足够多的验证码图片（至少包含0-9所有数字）。截取每个数字（8×20像素矩阵）单独存储作为特征库。

实现方法如下（用到了Python的PIL库）：

view plaincopy to clipboardprint?

1. import Image  

2.   

3. def make_lib():  

4.     img = Image.open('code.jpg')  

5.     gray_img = img.convert('1')   

6.     gray_img.save('gray.jpg')  

7.       

8.     width, height = gray_img.size  

9.       

10.     # find each number  

11.     w = 0  

12.     while w < width:  

13.         column = []  

14.         for h in range(height):  

15.             column.append(gray_img.getpixel((w, h)))  

16.   

17.         # begining of a number  

18.         if sum(column)/height < 245:  

19.             box = (w, 0, w+8, 20)  

20.             region = gray_img.crop(box)  

21.             region.save('%s.jpg' % w)  

22.             w = w + 10  

23.         else:  

24.             w = w + 1  

注：img.convert('1')作用是将彩色图二值化(只有0和255两种像素值)。

 

原理？

按列扫描，依次找到每个数字的起始位置，截取宽度为8像素，高度为20像素的区域保存。

 

如何识别字符的开始位置？

测试发现，列像素之合小于245的是有数字的部分。

 

最终建立如下特征库：

 

2) 匹配方案。

 

按列扫描，依次找到每个数字的起始位置，获取宽度为8像素，高度为20像素的矩阵A。

拿矩阵A一次跟特征库矩阵进行对比，以差值数（详见下面Captcha类中的_cmpmatrix方法）最小的特征字符为匹配字符。

 

下面给出我们实现的Captcha类。

view plaincopy to clipboardprint?

1. # coding: utf-8  

2. # captcha.py  

3. # http://www.site-digger.com  

4. # hello@site-digger.com  

5. # Identify captcha on http://www.sn.10086.cn/  

6.   

7. import Image  

8.   

9. class Captcha:  

10.     def __init__(self):  

11.         self.imglib = {}  

12.         self._loadlib()  

13.       

14.     def _loadlib(self):  

15.         """Load characteristic image lib"""  

16.           

17.         import os  

18.         if not os.path.exists('imglib'):  

19.             print 'Can not find imglib dir.'  

20.             return  

21.           

22.         for i in range(10):  

23.             self.imglib[i] = []  

24.             img = Image.open('imglib/%d.jpg' % i).convert('1')  

25.             width, height = img.size  

26.             for w in range(width):  

27.                 # store all pixels in a column  

28.                 column = []  

29.                 for h in range(height):  

30.                     column.append(img.getpixel((w, h)))  

31.                 self.imglib[i].append(column)  

32.           

33.     def _cmpmatrix(self, listA, listB):  

34.         """Return the count of difference between two list"""  

35.           

36.         if len(listA) != len(listB): return  

37.           

38.         num = 0  

39.         for i, column in enumerate(listA):  

40.             if len(column) != len(listB[i]): return  

41.             for j, pixel in enumerate(column):  

42.                 if pixel != listB[i][j]:  

43.                     num += 1  

44.         return num  

45.       

46.     def _whichnum(self, piexls_matrix):  

47.         """Identify single number"""  

48.   

49.         minnum = None  

50.         index = 0  

51.         for i in range(10):  

52.             ret = self._cmpmatrix(self.imglib.get(i, []), piexls_matrix)  

53.             if ret!= None:  

54.                 if minnum == None or minnum > ret:  

55.                     minnum = ret  

56.                     index = i  

57.     

58.         if minnum != None:  

59.             return str(index)  

60.         else:  

61.             return '?'  

62.       

63.     def identify(self, filepath=None, fileobj=None):  

64.         """Identify captcha"""  

65.   

66.         if filepath:  

67.             img = Image.open(filepath)  

68.         elif fileobj:  

69.             img = Image.open(fileobj)  

70.         else:  

71.             print 'Invalid input.'  

72.             return  

73.           

74.         img = img.convert('1')  

75.           

76.         width, height = img.size  

77.           

78.         w = 0  

79.         number = ''  

80.         while w < width:  

81.             column = []  

82.             for h in range(height):  

83.                 column.append(img.getpixel((w, h)))  

84.   

85.             # begining of a number  

86.             if sum(column)/height < 245:  

87.                 piexls_matrix = []  

88.                 for i in range(8):  

89.                     piexls_column = []  

90.                     for j in range(20):  

91.                         piexls_column.append(img.getpixel((w + i, j)))  

92.                     piexls_matrix.append(piexls_column)  

93.                       

94.                 number += self._whichnum(piexls_matrix)  

95.                 w = w + 10  

96.             else:  

97.                 w = w + 1  

98.   

99.         return number  

100.          

101. if __name__ == '__main__':  

102.     """Test performance of Captcha Class"""  

103.     captcha = Captcha()  

104.   

105.     try:  

106.         import urllib2  

107.         response = urllib2.urlopen('https://sn.ac.10086.cn/SSO/servlet/CreateImage')  

108.         open('code.jpg', 'wb').write(response.read())  

109.         Image.open('code.jpg').show()  

110.         print captcha.identify('code.jpg')  

111.     except Exception, e:  

112.         print 'Download captcha fail.', e  

 

 

测试用例说明： 动态下载陕西移动网厅的验证码，首先显示，然后调用Captcha类对其进行识别、打印。效果如下图所示。

 

 

 

 

 

 

特别说明：该文章为鲲鹏数据原创文章 ，你除了可以发表评论外，还可以转载到你的网站或博客，但是请保留源地址，谢谢!!（尊重他人劳动，你我共同努力）

转载于:https://my.oschina.net/xakzp/blog/472086