python识别颜色验证码_用Python识别验证码

图像预处理的方法前面已经完成了，关键是用什么方法来进行图像比对呢？

一开始我想的很简单，直接对每张样本图片I1与测试图片I2相同坐标的像素进行逐一比对，计算I1与I2的相同坐标的像素相等的数目，最后求均值，得到10个分值，分数高的就是预测结果。

这个计算方法看起来可行，但是在实际使用的时候有一些问题

因为要遍历所有图片的所有像素，计算起来非常慢！

由于原始验证码图片添加了大量噪音，虽然做了降噪处理，但得到的同一类别图片之间还是存在较大差异。因此，如果用像素完全匹配的方法，容易有误判。

后来我找到了一个方法，先对样本图像进行编码转换。得到一个能体现图像特征的code，再将这些样本图像的code全部保存起来。这样下次要使用的时候，就不必每次都读一遍图片啦！

图片转code的方法我选择的hash转换，过程大致如下：

缩放：图片缩放为8*8

求平均值：计算灰度图所有像素的平均值

比较：像素值大于平均值记作1，相反记作0，总共64位

生成hash：将上述步骤生成的1和0按顺序组合起来既是图片的指纹(hash)。顺序不固定。但是比较时候必须是相同的顺序。

得到hash值后，将同一数字对于图片的hash值存在一个txt文件中，实际使用的时候，对预测图像进行上文相同的预处理操作，分割出4个图片后，再计算出4个预测图像的hash值，将测试图像的hash值与TXT文件中的hash进行比对，计算汉明距离，即两个64位的hash值有多少位是不一样的，不相同位数越少，图片越相似。

得到测试图像与每个样本图像hash值的汉明距离后，进行统计，平均，取预测值最大的样本图像标签为预测值。识别的速度也还不错，平均只需要0.3秒就可以完成一次识别。

这种识别的方法简单易操作，对简单的字母数字组合验证码非常有效，但是对图像预处理提出了更高的要求，而且不具备泛化性，碰到不同的验证码每次都需要单独编辑规则。