驗(yàn)證碼識(shí)別相關(guān)
字符類驗(yàn)證碼識(shí)別主要過程
- 去噪
- 二值化
- 切分
- 歸一化
- 特征提取
- 訓(xùn)練模型
- 再優(yōu)化
字符類驗(yàn)證碼基本流程大致就是以上幾步，只是針對(duì)不同的驗(yàn)證碼會(huì)選擇不同的算法。
此外需要注意驗(yàn)證碼識(shí)別流程絕不是固定的，針對(duì)不同特征的驗(yàn)證碼選擇不同的流程才是最好的做法。
去噪
去噪可以說是驗(yàn)證碼識(shí)別中最重要的一環(huán)，一旦去噪沒做好，最終結(jié)果一定是慘不忍睹，相反，若是去噪做好了，整個(gè)驗(yàn)證碼識(shí)別將水到渠成。
常見去噪方法：
- 灰度去噪，即根據(jù)噪音與有效信息像素灰度的不同進(jìn)行去噪，主要針對(duì)背景色RGB較大時(shí)（即顏色接近白色）使用。
- 骨架侵蝕去噪，主要針對(duì)細(xì)點(diǎn)、細(xì)線等噪聲去噪，當(dāng)一個(gè)點(diǎn)與周圍8個(gè)點(diǎn)中若干個(gè)點(diǎn)的RGB值相差較大時(shí)，認(rèn)為該點(diǎn)為噪點(diǎn)，進(jìn)行去噪。需注意此方法會(huì)對(duì)原有有效信息造成破壞，所以需要謹(jǐn)慎使用。
- RGB去噪，主要針對(duì)驗(yàn)證碼中單個(gè)字符顏色極為接近情況下進(jìn)行去噪，令RGB值差在1~5以內(nèi)的像素構(gòu)成一幅圖像，有效的字符往往有效信息較多，取有效信息最多的若干幅圖片，認(rèn)為是去噪后的字符。此算法同時(shí)完成了去噪、二值化、切分。
- 視差去噪，模擬人識(shí)別物體的一種算法，即對(duì)每一個(gè)像素與它周圍的8個(gè)像素做RGB對(duì)比，差別約大則顏色越深，這種算法可以用來識(shí)別類似騰訊開放平臺(tái)的驗(yàn)證碼。
- 特定問題特定分析，基本上每個(gè)網(wǎng)站都有一套自己的驗(yàn)證碼生產(chǎn)算法，所以遇到復(fù)雜驗(yàn)證碼時(shí)我們必須進(jìn)行針對(duì)性的分析，找到驗(yàn)證碼的弱點(diǎn)，不斷挖掘，完成破解。
二值化
二值化算法較為有限，基本為灰度二值化與RGB二值化，都是利用顏色的RGB信息進(jìn)行分類完成黑白兩色的轉(zhuǎn)化。
切分
針對(duì)無粘連字符的切分較為簡單，下面主要談?wù)勧槍?duì)有粘連字符的切分算法。
y軸側(cè)視算法：在y軸上觀察x軸所有黑色像素點(diǎn)之和，找出若干個(gè)大于limit的不連續(xù)點(diǎn)，即可認(rèn)為是切分點(diǎn)。
歸一化
歸一化，即將旋轉(zhuǎn)字符逆旋轉(zhuǎn)化，需要注意的是我們并不需要將字符“擺正”，而是讓所有相同字符“正”的角度相同，有以下幾種算法：
- 寬度最小算法：主要針對(duì)數(shù)字和字母字符，認(rèn)為該類字符在擺正的情況下寬度最小，由此完成逆旋轉(zhuǎn)歸一。
-
橫豎側(cè)凸算法：我根據(jù)漢字“橫平豎直”的特點(diǎn)而發(fā)明的一種算法，即認(rèn)為漢字在擺正的情況下橫是平的，豎是直的，所以在x軸和y軸側(cè)視時(shí)，若有橫或豎，則該列像素中為黑色的數(shù)量很大，而上下兩列黑色像素的數(shù)量較少，如3-15-4，由此讓所有行的黑色像素?cái)?shù)減去上一行的黑色像素?cái)?shù)，取絕對(duì)值然后求和，突變最大的即為最“正”的漢字。由此完成逆旋轉(zhuǎn)歸一化。此算法對(duì)撇捺較多的漢字識(shí)別效果不好，但可以通過增加特征值的方式彌補(bǔ)。
完成逆旋轉(zhuǎn)化后，我們一般會(huì)將字符放大或縮小到同一size，方便后續(xù)的特征提取等操作。
特征提取&訓(xùn)練模型
最簡單的方法是對(duì)圖片取01字符串或二維數(shù)組，編輯距離越小則認(rèn)為其越接近。
也可以通過深度學(xué)習(xí)等算法完成訓(xùn)練。
一般只需要對(duì)每個(gè)字符可能的結(jié)果做1~3次手動(dòng)分類后，讓模型自己進(jìn)行100次左右分類，找出分類錯(cuò)誤的項(xiàng)，針對(duì)優(yōu)化或加入訓(xùn)練集。
