【MATLAB图像处理实用案例详解（5）】—— 基于不变矩的数字验证码识别

一、背景意义

验证码具有多变性特点，而当前的识别系统往往具有很强的针对性， 只能够识别某种类型的验证码。随着网络安全技术及验证码生成技术的不断发展，已经出现了更加复杂的验证码生成方法，如基于动态图像的验证码系统等。
运用计算机视觉、模式识别等相关理论对多种不同类型的验证码进行识别研究。

矩特征主要表征了图像区域的几何特征,又称为几何矩， 由于其具有旋转、平移、尺度等特性的不变特征，所以又称其为不变矩。

二、理论基础

本案例提出了以处理颜色加噪的数字字符为理论研究素材， 将模板匹配作为基本框架的验证码识别系统。本系统的优点在于能够对特定类型的数字验证码进行精确识别，实验中识别准确率可达到95％以上，并提供动态更新样本库的功能，可根据实际运行的环境提高验证码的识别率。
本案例选择了经典的数字验证码识别作为识别的对象。验证码的识别涉及图像预处理、分割、特征提取、识别等相关技术，本案例通过对彩色验证码图像进行灰度化、二值化、去噪和归一化等步骤来进行预处理，通过建立模板库的动态更新机制来提高系统的兼容性，进一步提升验证码识别的效率和准确性。
流程图如下：

三、算法流程

为了进行验证码识别， 建立模板库建立动态模板库，加入自动更新的功能提高对数字验证码的识别率。数字验证码待识别对象即数字0 ~ 9，调用mkdir 函数来自动建立模板数据库文件夹。

由于图中有类似于椒盐噪声的带有颜色的噪声，数字验证码中的数字个数保持常量并且分布均匀、易于分割。因此，为了进行下一步的数字分割操作，需要先进行验证码图像去噪步骤。本案例采用颜色空间转换到hsv 的方式，用阈值过滤的手段进行去噪。

进行图像去噪之后，可以发现验证码图像中的数字呈现分布均匀的状态，并且未明显受到倾斜、形变等因素的影响。
借用数字图像二值化、积分投影的方式可对数字进行定位。在实际处理过程中，为了保证分割有效，加入了区域面积滤波操作，将剩余的噪声点进行滤除。

为了进行下一步的识别操作，需要将分割结果进行归一化处理， 整合成固定维数的数
字集合。

数字图像分割完成后，通过提取数字图像的不变矩特征信息，与模板库中的数字图像
进行对比，得到识别结果。

四、效果演示

五、完整代码

如果需要源代码，可以参考资源：
基于不变矩的数字验证码识别（带GUI界面）：https://download.csdn.net/download/didi_ya/87374412
，如果遇到任何运行问题，请私信博主，看到后会免费答疑解惑，当然也可根据你的需求修改GUI界面。