验证码破解实战一例

      年前有一段时间看了篇“如何识别高级的验证码”的文章，里面所提到的很多东西都是我平时所接触所用到的，于是乎就拿百度贴吧的验证码来练了练手。百度贴吧的验证码如下图所示

捣鼓了一两天的时间，对于手动分割好的单个字符的识别准确率倒是不低，不过始终没能很好的解决粘连字符的分割问题，后来就放下了。

 

      这两天一同学让帮忙破解一网站的验证码，瞅了下是比较传统的数字验证码，而且无粘连、扭曲、倾斜，于是就开始着手破解了。

 

      要识别的验证码如下图所示：

                            

 

从上面的验证码可以看出，破解的工作无需考虑字符的分割问题，而只需将精力花在背景的去除上。乍一看，每个字符周围的背景杂点都跟字符的颜色很接近，看上去不太容易过滤调背景杂点而只保留字符本身，实际上做起来也不容易。起初考虑过几种阈值化处理操作，可处理后的结果一点也不理想。几次尝试失败之后，考虑到此种验证码主要是在前景与背景的颜色上做文章，于是我打算分析验证码的颜色分布直方图，看能不能找出突破口。由于每个字符周围的杂点颜色跟该字符的颜色相关，而与其他字符的颜色无关，所以我接下来的颜色直方图的分析都只是针对分割后的单个字符。

 

      就拿举例吧，分割后的每个字符所对应的颜色直方图如下图所示：

 

   

↓↓                                                                                               

 

 

 ↓↓

 

 

↓↓

 

 

↓↓

 

 

画出每个字符的颜色分布直方图之后，一眼便看出了验证码背后存在某种规律。进一步分析可得知，直方图左侧孤立的小块区域正是字符本身的颜色，而右侧的大块区域则全是背景杂色，因此只要我们得出直方图左侧块的颜色范围，便可去除非字符本身的杂点，至于这个范围的获取想必不会有人会认为是难事。

 

      去除背景并进行图像二值化后就会得到下图所示的字符图片：

 ->          ->           ->          ->

接下来要做的事情便是识别这些无背景杂点的二值图像字符，方法有很多，我用的是机器学习的方法，背景去除成功的情况下的识别率基本接近于100%。

 

 

       最后给出该破解的效果演示程序：效果演示程序