图像验证码识别——灰度化和二值化

Posted 2021-05-01 CPP开发前沿

一、灰度化

灰度化应用很广，而且也比较简单。灰度图就是将白与黑中间的颜色等分为若干等级，绝大多数位256阶。在RGB模型种，黑色（R=G=B=0）与白色（R=G=B=255），那么256阶的灰度划分就是R=G=B=i，其中i取0到255.

从前面可以知道，OpenCV读取图片之后图像的颜色数据矩阵默认是3通道的，也就是RGB模型，所以每个pixel都有3个分量，分别代表r，g和b的值。因此将三个分量值都改为同一个灰度值，图片就实现灰度化。

灰度化的方法一般有以下几种：

1. 分量法

在rgb三个分量种按照需求选取一个分量作为灰度值

2. 最大值

选取rgb的最大值作为该pixel的灰度值

3. 平均值

g[i,j] = (r[i,j] + g[i,j] + b[i,j]) / 3,取rgb的平均值作为灰度值

4. 加权变换

由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。

g[i,j] = 0.3*r[i,j] + 0.59*g[i,j] + 0.11*b[i,j]

而OpenCV提供了灰度化的API，这里就直接调用了，采用的是加权变换的方法.

cvtColor(m_Mat,iGray,COLOR_BGR2GRAY);


二、二值化

二值化故名思议，就是整个图像所有像素只有两个值可以选择，一个是黑（灰度为0），一个是白（灰度为255）。二值化的好处就是将图片上的有用信息和无用信息区分开来，比如二值化之后的验证码图片，验证码像素为黑色，背景和干扰点为白色，这样后面对验证码像素处理的时候就会很方便。

常见的二值化方法为固定阀值和自适应阀值，固定阀值就是制定一个固定的数值作为分界点，大于这个阀值的像素就设为255，小于该阀值就设为0，这种方法简单粗暴，但是效果不一定好.另外就是自适应阀值，每次根据图片的灰度情况找合适的阀值。自适应阀值的方法有很多，Opencv中提供的方法如下:

 threshold(src, dst,127, 255, CV_THRESH_BINARY);

二值化后的图片为: