基于taobao的验证码识别

最新推荐文章于 2024-09-23 13:59:35 发布

蜗牛小红

最新推荐文章于 2024-09-23 13:59:35 发布

阅读量1.8k

点赞数

分类专栏：深度学习文章标签：深度学习验证码识别图像处理

本文链接：https://blog.csdn.net/dxh1994/article/details/80627651

版权

本文详细介绍了针对淘宝识图验证码的识别技术，包括图片预处理（灰度化、二值化）、字符切割（CFS连通域分割、滴水法）以及使用卷积神经网络的分类模型训练。在测试集上，单个字符准确率为0.88，整体验证码准确率为0.68。同时，还探讨了数字验证码的识别挑战，如部分字符缺失的情况。

摘要由CSDN通过智能技术生成

验证码介绍

现在的验证码主要分为4类：识图验证码、计算验证码、滑块验证码、语音验证码。本文只针对taobao的识图验证码进行识别。目标验证码如下：

可以看到这类验证码都是变形、粘连、大小不一、位置不固定的，不再像以前的可分割的验证码了，也就增加了机器识别的难度。这类粘连验证码就是本文主要的研究对象。

识别步骤

（1）图片预处理

灰度化、二值化、去噪声（本文验证码无噪声，没有此步骤）等

（2）字符切割

CFS连通域分割、滴水法

（3）分类模型训练

支持向量机或神经网络。本文训练的是卷积神经网络

图片预处理

图片预处理之后的效果：

（1）灰度化

彩色图片的像素点是由R、G、B三个原色组成，其值在0-255之间，有三个通道。灰度图是指只含有亮度信息，不含彩色信息的图像，即只有一个通道。灰度化就是将彩色图像转为灰度图像的过程。本文采用的灰度化方法是加权平均法。

def rgb2gray(img): # 求灰度值
    return np.dot(img[...,:3], [0.299, 0.587, 0.114])

（2）二值化

二值化是指将灰度图像转换成只有黑白两色的图像，通常做法是选择一个阈值，如果灰度图像上的像素大于该阈值则为白色，否则为黑色。

def binary(gray):# 二值化
    height,width=gray.shape
    bin = gray.copy()
    for i in range(height):
        for j in range(width):
            if (gray[i,j]<=130):
                bin[i,j]=0
            else:
                bin[i,j]=1
    return bin