最近为了自动进行某项挂机,需要识别验证码,不想使用现成的程序和控件,还是想自己钻研一下,掌握其中的原理,提高自己的能力,所以我在本论坛、百度搜索、各类文库中广泛学习、编程实验,花了一个月,终于成功的做出100%识别的验证码脚本,心里真是十分激动。我没有学过编程,只是从AutoHotkey的学用中实现了编程的理想,真是非常感谢这一简单易学又实用的编程工具,也感谢论坛前辈们的各种脚本让我不断深入。现在我想将我的一些思路和心得分享给大家。
验证码的识别过程一般有:1、建立图像的灰度数组;2、将灰度图二值化为黑白图像;3、简单降噪处理;4、连通域分析(图像不倾斜交错的就不用);5、竖直分割或连通域分割图像;6、分割后的每个字符归一化为同样大小(图像没有缩放的就不用);7、将字符生成加权特征数组;8、与所有的字符模板的特征值进行比较,差距最小的即识别成功再循环到6处理下一个字符,差距超过阀值的就自己输入答案添加进新的模板,所有字符都识别完毕就可以返回结果了。(要上班了,未完待续……)
RE: 通用的验证码识别
我要识别的验证码其实比较简单,特点如下:
1、识别对象只有十个数字,每个字两种字型,一种较正,一种向右倾斜。
2、黑字白底没有干扰,各个字符没有粘连和错位重叠。
3、四个字符出现的位置随机,且字符随机缩放大小。
虽然看起来简单,但对我这样的门外汉来说也有难度,所谓隔行如隔山嘛。于是我开始了研究。
首先我考虑单个字符如何识别。经过研究比较,发现加权模板匹配法能比较精确和快速的识别,而且可以克服一定的噪音和字符变形,非常适合我的情况。加权即是把每个点的值定为3*3范围的黑点数,比较时与模板同一点的值相差大于4的总差值就加一。
然后我考虑怎么将字符归一化成20*20的同样大小,方便生成模板和识别。经过比较,找到了快速的近邻插值法完成。为了使归一化后字符的长宽比例不变,归一化前先整理(添加空白点)使长宽一致。
接着考虑怎么分割字符,这次的直接竖直分割就行了。但考虑到稍复杂的情況,比如错位重叠(但没有粘连),这就最好用连通域分割了。经过研究,我釆用了三次扫描标记法实现。首先生成序列标号数组,第一次扫描从左上开始,右边和下方的复制左边和上方的最小标号,并且将每条横线的标号统一,第二次扫描从右下开始找出连通的标号对等序列,然后整理将连串的对等关糸指向同一个值,第三次根据整理后的对等关糸提取出各个连通的字符。
至于加权灰度化、Ostu二值化、八邻域去噪,实现都比较简单,最后组合一下识别和添加模板的代码就完成了。
这只是起到抛砖引玉的作用,请各位高手指导!
—————————————————-
其实各个网站的验证码不同,针对的方法也不同。
有的验证码的颜色单一,可以搜索颜色直方图提取出验证码。
有的是固定位置、固定的字体,就不用放大缩小图像,
如果二值化前后去噪做的好,可以自动生成字库,
否则可以手动生成字库模板,然后让模板在画面中平移
覆盖比较,这样就可以对噪点不敏感,识别率较高。
—————————————————-
这篇文章可能已经过时,不过可以给我们提供一些思路


向大佬致敬
向大佬致敬
顶
emkartofun90