python识别验证码去干扰_python+sklearn识别验证码

从某网站获取到的验证码

处理流程总共分为以下几步:
1.读取图片，并调整图片尺寸
2.对图片进行灰度处理
3.根据自己设置的阈值，对图片进行二值化处理
4.降噪处理，去除干扰的像素点及像素块
5.对图片进行切割，获得单个字符，并进行人工标注
6.使用sklearn的svm分类器进行训练，得到模型
7.使用训练得到的模型进行验证码识别

下面分别为每个步骤的核心代码及示例

验证码原图

一、灰度化

import cv2# 读取图片img = cv2.imread("image14.png")# 转换为灰度图im_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

灰度后的验证码

二、二值化及去噪点

# 二值化处理ret, im_inv = cv2.threshold(im_gray, 150, 255, 0)show_gray_img(im_inv)# 去除孤立点，噪点img_clear = noise_remove_cv2(im_inv, 1)

去噪点的方法

去除噪点后的验证码

去除噪点后的图片

三、图片切割

垂直投影示意图

切割后的图片

切割后的图片

四、手动标注

将切割后相同的字符放入同一文件夹下，文件夹名字作为标注名，如图。

五、开始训练

这里使用sklearn.svm这个支持向量机的算法，来对数据进行分类。(关于svm的讲解，可以看看知乎大神的理解https://www.zhihu.com/question/21094489 )，通过fit进行训练后，将训练的结果保存到pkl文件里，其实里面都是0和1的特征值。

六、使用训练好的模型进行识别

简单测试了一下，结果还是很准确的。当然，这次的验证码相对比较规整，所以训练的量较少。对于一些更加复杂的验证码，少量的训练样本可能难以达到比较好的一个训练效果，可以适当追加用于训练的样本数据。

由于今日头条的代码编辑实在是太难用，导致格式排版错误，所以用图片的形式展示。源码及训练的图片等已上传github(https://github.com/deepcoldwing/verification_code)