python验证码识别实战

Posted 我爱学Python

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python验证码识别实战相关的知识,希望对你有一定的参考价值。

陆陆续续的学习了验证码的灰度、二值化、分割等方法,还了解了机器学习中最基本的3个分类方式——KNN、决策树、朴素贝叶斯。基于这些,今天结合这些工具来写一个简单的验证码识别程序,本来想使用现有的库来生成验证码,但无意间发现了之前写某个程序时下载的200个验证码,正好可以拿来练手。另外,虽然之前已经实现了上面3种算法,但这里还是会使用 sklearn 这个强大的三方库,学习原理是为了知其所以然,有现成工具还是要拿来用的。

原始验证码如图所示:

python验证码识别实战

可以看出,字符红色,干扰线绿色,字符之间没有粘连扭曲,只包含数字和大写英文,经过查看后每个字符宽30像素,可以说是一种很简单的验证码。

首先去掉绿色的干扰线:

python验证码识别实战

使用 putpixel 函数把符合判断条件的元素改成白色,接下来就是分割、二值化等操作,之前有记录过不再赘述:

python验证码识别实战

处理后,手动分类到不同的文件夹中(使用实际验证码就是坑在这点,需要手动打码,所以数据集较小),总共200个验证码切分出800个字符:

python验证码识别实战

然后就是加载数据进行训练了:

python验证码识别实战

输出如下:

没想到决策树在这个情况中成功率可以达到0.79,最看好的贝叶斯居然是最低的。当然,这里仅仅演示都使用了默认参数进行训练,实际使用中还需要更多的进行调参。

虽然这个程序还很low,但总算把之前学习的各个知识点结合来起来。另外关于阈值的选取,有一个叫做 大津算法(OTSU) ,以后有机会可以试试看:

最后把手工标记好的数据传到 github https://github.com/shenyushun/data_captchar上,有兴趣的可以拿去玩。



以上是关于python验证码识别实战的主要内容,如果未能解决你的问题,请参考以下文章

python验证码识别实战

Python3网络爬虫实战-41图形验证码的识别

Python3网络爬虫实战-42图形验证码的识别

Python3网络爬虫实战-44点触点选验证码的识别

Python3网络爬虫实战-45微博宫格验证码的识别

自动化脚本无法处理验证码?Python图片识别库Tesseract实战