Python 学习笔记（七）验证码识别1 整体算法 (

2014-10-08 06:48:11)

转载▼

标签： 

python

 

验证码识别

 

图像处理

 

算法

 

图像切割

 

杂谈

分类： 工作

     

http://blog.sina.com.cn/s/blog_620987bf0102v2zc.html

最近通过对Python的使用发现Python的确是们强大的语言，所以用python实现了下验证码的识别。

     由于本人技术水平一般，所以只研究了比较普通的验证码，这种验证码由4位数字组成，每位数字可能会左右倾斜，而且在图片上的高度会有变化，背景上会有杂色和噪点。我认为是识别难度中等偏低的一种验证码，但是还是比网上公开的验证码识别算法针对的要复杂不少。

     对于验证码识别，首先要安装python的图像处理库PIL，不过PIL由于安装经常有问题，而且更新慢，尤其是对64位系统支持不足，所以建议安装替代的模块Pillow。

 

     安装了Pillow后，就是基本的算法设计了，大致分为以下几个步骤：

    （一）图像预处理，这里有对图像的格式转换，灰度化，对比度改变，锐化，转为黑白图像，去除噪点等一系列操作。

    （二）图像切割，通过寻找空白行和空白列，将图像切割为4块，并将处理后的图片保存，再将图片上的黑白像素情况保存为txt文档，以便进行后续的比对和识别。

    （三）处理素材，形成素材库。通过步骤一和二，将提前下载的验证码图片库的图像处理，存为txt文档，以作为后续的识别比对的基础。为了保证后续的识别处理速度，建议将处理后的txt文档中的数据统一处理为一个比对数组，这样比对时直接从内存进行比对，不用不断打开txt文档，速度较快。

    （四）实时下载验证码图片，按照步骤一和二处理后，与步骤三形成的素材库进行比对，得出验证码图片对应的结果。这里由于验证码的图片难以获取当时的真实信息，所以我采用了截屏获取验证码的方法。而且由于验证码网站的验证码点击刷新机制的原因：点击验证码后刷新的图片对应的数字始终都一样，只是图片样式有所变化，点击刷新多次后，可以截屏裁剪出多个对应相同数字的图片，得出多个识别的结果后，分别统计验证码的4位数字中每位数字出现次数最多的是哪个数字，从而作为最终的识别数字，可以大大提高图片识别的成功率。通过一段时间的运行，大概的识别率在90%左右，足够高，而且完成一次正确的识别的整体运行时间大概在15秒以内，速度还算可以。