易语言神经网络验证码识别_真实场景下的Tesseract神经网络训练识别图片验证码...

点击关注 州的先生 编程应用、实战教程，不容错过 何谓“真实场景”，意即图片验证码 来源于实际的数据采集过程中遇到的网站，对图片验证码的识别训练工作也是 出自于真实的环境。而非像 很多文章用一个验证码库生成好几万个验证码图片样本，然后用一个CNN或LSTM模型，把数据扔进去跑。

看着是过瘾，测试效果也很好，然后呢？照着做碰一鼻子灰！

一、验证码采集

既然要识别验证码，那么 一定数量的验证码图片样本必不可少。我们的验证码图片就存在于网站(具体是什么网站就不透露了)之中，图片验证码的显示形式有以下几种：

• 一个URL每次访问都生成不同的验证码图片并显示；

• 每次访问都是一个随机的URL生成验证码图片并显示；

• 验证码图片以base64编码的形式返回并显示；

对于这几种验证码图片，采集的手段也有很多种。州的先生( https://zmister.com)采用的是直接通过 Selenium+Firefox对验证码图片进行 截图保存的形式。一共采集了 831个验证码图片，如下图所示(已经通过图片标注软件标注好了)：

二、验证码标注

验证码下载好了之后，我们需要对其进行标注。在这里，州的先生(https://zmister.com)使用的是之前自己用 PyQt5写的一个 验证码图片标注软件：

详情请戳如下两个链接(一个为博客、一个为公众号)：https://zmister.com/archives/1370.html。

节约时间，珍惜生命，手写一个验证码图片标注程序

三、验证码降噪

可以看到，这些验证码有不同的 背景颜色、不同位置的 干扰线、 字体也是不一样的，为了便于训练和识别，我们先对这些验证码图片进行 降噪处理。对于图片的降噪处理，州的先生在之前也发表过一篇文章来介绍，请戳这里：https://zmister.com/archives/1342.html Python实战图片验证码降噪处理在这里，我们主要进行了 二值化降噪和 邻域降噪，顺便对验证码图片的大小进行了 裁剪，最后得到降噪后的验证码图片如下图所示：

<