python 验证码连在一起 识别_Python验证码识别之预处理

对于验证码叙述，可以见上文我们身边的验证码技术。其中我们得知验证码识别流程如下图

第一个主要步骤是数据预处理。

例子

一般的国内的验证都比较喜欢加上噪点，再加上一些干扰线，来扰乱视线。但是这些噪声，对于计算机识别程序来说，基本上没起到什么干扰。

我们来看看下面的验证码，这个是随机选择的15张验证码。左边为原图，右边的为处理过的图片。其中干扰线我们识别出来后用红色将其标记，噪点标红看不清楚我就直接去掉了。

这样的验证码的大部分噪声非常轻易就可以去除。

因此，对于验证码来说，噪点的存在是对于抵抗机器人是毫无意义的，此外，这种长干扰线也是没什么太大的意义的，因为预处理就可以很轻松清除，增加这个只是会让人跟难受。

移除噪点

首先我们来分析一下噪点由什么特性，噪点一般为孤立的点，最多也是会和其他的噪点粘在一起，所以总体来说，噪点相对于其他部分来说是孤立的小群体。

那我们可以对每一个连接在一起的块进行着色，Flood Fill专门干这事的。然后对于字符的块，必然是非常的大，而噪点的块，必然是非常的小。所以我们就可以轻松区分字符和噪点了。

移除干扰线

干扰线相对于噪点来说，虽然复杂了一点，但是还是非常的简单。

如何找到干扰线呢？干扰线的搜索问题是具有最优子结构的特性，于是这个问题我们可以用动态规划来解决

我们可以建立一个打分表，每个像素有一个分数。

动归的方程(如何画公式

最后，评分最大的极有可能是干扰线。

这个实现起来非常的简单，就不放代码了，以免引起不必要的事端。

参考资料

Ryan Fortune, Gary Luu, Peter McMahon, CS229 Project Report: Cracking CAPTCHAs ↩︎