c++ 图片验证码识别_Tensorflow入门实战——验证码识别器

从4月中旬开始深度学习之旅，到现在已经逐渐对神经网络有了一些初步的认识，选择tensorflow框架进行深度学习时，刚开始或许不太适应这种graph形式，但是tensorflow也在一定程度上帮助我们更好地理解神经网路的框架。

谨以此文来鼓励在劳动节还依然坚持学习的自己。

---

一、项目简介

1.目标：建立一个纯数字验证码识别器

2.原理：CNN

3.工具：Tensorflow

4.意义：熟悉tensorflow框架，推导前向传播过程，促进CNN的理解

二、数据采集—— ImageCaptcha

训练数据和测试数据均来自于 captcha.image库中的ImageCaptcha类。

ImageCaptcha可以根据输入的文本生成相应的验证码图片

由于时第一次处理图像数据，所以前期大部分功夫还是以图像预处理为主

首先写一个脚本，测试一下文本验证码和图片验证码的获取

import tensorflow as tf
import numpy as np  
import matplotlib.pyplot as plt  
from PIL import Image  
import random 
#载入数据集
from captcha.image import ImageCaptcha   

number = ['0','1','2','3','4','5','6','7','8','9']  
alphabet = ['a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z']  
ALPHABET = ['A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z'] 

将以上数字和字母随机组合在一起，生成一个验证码，验证码的长度为4，总共有62*62*62*62种不同的label

#定义一个random_captcha_text函数，每调用一次就会生成一个验证码，其组成元素存放在一个列表中
def random_captcha_text(char_set=number+alphabet+ALPHABET, captcha_size=4):
    captcha_text = [] 
    for i in range(captcha_size):  #循环取四次
        x = random.choice(char_set)   #random.choice随机选区一个元素
        captcha_text.append(x)
    return captcha_text

#将构成验证码的元素与图片相对应，从captcha.image库中获得相应的图片
def get_captcha_text_and_image():
    #调用ImageCaptcha类，用来生成验证码图片
    image = ImageCaptcha()
    #用random_captcha_text()函数得到四个元素
    captcha_text = random_captcha_text()
    #将四个元素连接在一起，组成一个完整的验证码
    captcha_text = ''.join(captcha_text)
    
    #根据生成的文本验证码得到相应的图片验证码
    captcha = image.generate(captcha_text)
    #打开图片，PIL.Image.open()专接图片路径，用来直接读取该路径指向的图片
    captcha_image = Image.open(captcha)
    #将图片转化为array格式
    captcha_image = np.array(captcha_image)
    
    return captcha_text,captcha_image

最后测试一下数据是否正确

if __name__ == '__main__':   
    text, image = get_captcha_text_and_image()  
   
    f = plt.figure()  
    ax = f.add_subplot(111)  
    ax.text(0.1, 0.9,text, ha='center', va='center', transform=ax.transAxes)  
    plt.imshow(image)  
   
    plt.show()