图像验证码识别（七）——字符分割

前面经过各种去除噪点、干扰线，验证码图片现在已经只有两个部分，如果pixel为白就是背景，如果pixel为黑就为字符。正如前面流畅所提到的一样，为了字符的识别，这里需要将图片上的字符一个一个“扣”下来，得到单个的字符，接下来再进行OCR识别。

字符分割可以说是图像验证码识别最关键的一步，因为分割的正确与否直接关系到最后的结果，如果4个字符分割成了3个，即便后面的识别算法识别率达到100%，结果也是错的。当然，前面预处理如果做得够好，干扰因素能够有效的去除，而没有影响到字符的pixel，那么分割来讲要容易得多。反过来，如果前面的干扰因素都没有去除掉，那么分割出来的可能就不是字符了。

字符的粘连是分割的难点，这一点也可以作为验证码安全系数的标准，如果验证码上的几个字符完全是分开的，那么可以保证字符分割成功率百分之百，这样验证码破解的难度就降低了很多，比如下面的字符：

这个就是CSDN的验证码，经过二值化和降噪得到的图片，可以看到这里图片已经非常干净，没有一点多余的信息，字符之间没有重叠的部分，分割起来毫无难度。

当然，大多数IT巨头的网页验证码里地字符都是粘连在一起的，比如谷歌的验证码：

谷歌的验证码不仅粘连成都很大，而且字符扭曲地也特别厉害，所以破解起来那是难度非常大了

至于图片分割，我再这里介绍两种简单地方法。

一、 泛水填充法

泛水填充法在前面降噪的地方就提到过，主要思路还是连通域的思想。对于相互之间没有粘连的字符验证码，直接对图片进行扫描，遇到一个黑的pixel就对其进行泛水填充，所有与其连通的字符都被标记出来，因此一个独立的字符就能够找到了。这个方法优点是效率高，时间复杂度是O（N），N为像素的个数；而且不用考虑图片的大小、相邻字符间隔以及字符在图片中得位置等其他任何因素，任何验证码图片只要字符相互是独立的，不需要对其他任何阀值做预处理，直接就操作；用这种方法分割正确率非常高，几乎不会出现分割错误的情况。但是缺点也很致命：那就是字符之间必须完全隔离，没有粘连的部分，否则会将两个字符误认为一个字符。

代码如下：

[cpp]  view plain  copy

1. for (i = 0; i < nWidth; ++i)  
2.         for (j = 0; j < nHeight; ++j)  
3.         {  
4.             if ( !getPixel(i,j) )  
5.             {  
6.                 //FloodFill each point in connect area using different color  
7.                 floodFill(m_Mat,cvPoint(i,j),cvScalar(color));  
8.                 color++;  
9.             }  
10.         }  
11.   
12.     int ColorCount[256] = { 0 };  
13.     for (i = 0; i < nWidth; ++i)  
14.     {  
15.         for (j = 0; j < nHeight; ++j)  
16.         {  
17.             //caculate the area of each area  
18.             if (getPixel(i,j) != 255)  
19.             {  
20.                 ColorCount[getPixel(i,j)]++;  
21.             }  
22.         }  
23.     }  
24.     //get rid of noise point  
25.     for (i = 0; i < nWidth; ++i)  
26.     {  
27.         for (j = 0; j < nHeight; ++j)  
28.         {  
29.             if (ColorCount[getPixel(i,j)] <= nMin_area)  
30.             {  
31.                 setPixel(i,j,WHITE);