對(duì)于比較復(fù)雜的驗(yàn)證碼，比如DZ論壇最新的驗(yàn)證碼，處理起來相對(duì)麻煩一些，但是原理還是和普通的識(shí)別一樣的，無非多了個(gè)背景處理的方案，看如下對(duì)DZ論壇的驗(yàn)證碼的識(shí)別的思路



首先我們要去除它的背景，對(duì)于這樣稍微復(fù)雜的背景，用過去的方法很難做到，上圖的例子還不是很明顯，我發(fā)現(xiàn)很多圖片背景色和字母色近似，而且字母顏色是不斷變化的，背景也是不斷變化的







那我初始的想法是找到圖片中使用顏色最多的方法，于是我們用HSL表示各點(diǎn)顏色，接著進(jìn)行統(tǒng)計(jì)，得到最大的幾個(gè)峰值，這里便是圖片中幾個(gè)最豐富的顏色的L值得累加值



其余的都可以認(rèn)為是噪音，我們對(duì)每個(gè)峰值進(jìn)行分割，得到如下圖片



你看這樣就把單個(gè)顏色圖片分割出來了，接下來就是找到圖片中除去黑色和白色后的圖片



然后進(jìn)行灰化處理，閥值處理，降噪，得到



接著根據(jù)邊界檢測(cè)出來的最左側(cè)x位置，來排序字母順序



接下來的事情就輕車熟路了，把圖片轉(zhuǎn)成標(biāo)準(zhǔn)模板，通過少量學(xué)習(xí)就達(dá)到了95%以上的識(shí)別率

c:15 j:8 8:7 t:9 9:4 x:7 4:6 2:4 h:7 f:8 e:18 b:5 y:3 k:4 w:3 g:5 3:5 7:6 r:2 m:3 q:4 v:2 p:3 6:2
以上數(shù)據(jù)表示 c學(xué)習(xí)15次 j學(xué)習(xí)8次…



只要字符不粘連，大部分驗(yàn)證碼干擾技術(shù)都是可以有辦法，所以為什么google驗(yàn)證碼看起來很簡(jiǎn)單，但是沒有人能夠很好的破解它得原因。

補(bǔ)充，
rise在留言中發(fā)現(xiàn)有一些字符加入雜點(diǎn)的問題，由于這種驗(yàn)證碼不是很普遍，稍微做了研究


CY3E 這個(gè)圖片3字中有雜點(diǎn)，其他沒有，按照文章中介紹的辦法，怎么知道這個(gè)3不是像其他顏色雜點(diǎn)一樣的圖片呢？


我覺得需要加入一個(gè)步驟，就是對(duì)每次過濾顏色生成出來的圖片，進(jìn)行填充
找到3的雜點(diǎn)原圖：


然后我們進(jìn)行算法填充



這個(gè)圖片與其他全部是雜點(diǎn)的圖片之間的差別進(jìn)行過濾，我考慮可以通過以下方法：
1、連貫點(diǎn)的寬度
2、連貫點(diǎn)的個(gè)數(shù)
這樣剩下的就只剩下CY3E的過濾后的圖片

至于字符傾斜的問題，我覺得完全可以在機(jī)器學(xué)習(xí)過程中，我們自己旋轉(zhuǎn)正在學(xué)習(xí)的圖片一定角度，例如從-10到+10度，只不過這樣的學(xué)習(xí)庫會(huì)大一些，但是就10個(gè)數(shù)字的驗(yàn)證碼來說，這點(diǎn)性能損失應(yīng)該可以忽略不計(jì)。

最新評(píng)論