Python識別驗證碼----頂象面積驗證

• 寫在前面
• 數據特點
• 識別思路
• 識別結果
• 改進點

寫在前面

近日某眾打碼平台被跑路的消息一出，腳本圈中一片嘩然（我並不是腳本圈的，只是喜歡看群裡人吹逼而已 ），仿佛再也聽不到那句熟悉的廣告語了。這也預示著，第三方打碼平台不靠譜了。但打碼功能有時候又必不可少，這時候怎麼辦呢？當然是自己自己動手豐衣足食啦！最近工作不是很忙，准備撸一個用Python識別驗證碼的系列文章，該系列計劃囊括各種時下比較流行的驗證碼形式，如滑塊、四則運算、點選、手勢、空間推理、谷歌等。已經跑通了的所有代碼都放在了我的知識星球上，需要的話請自取。話不多說，開撸！

數據特點

讓你選出面積最大的區域，不得不說，驗證碼真的是越來越卷了，越來越花了。

不過這吊驗證碼仿佛圖片不多，背景好像就那麼幾種，也就那些線會變來變去，而且線的顏色相對於背景來說區別還是挺大的。所以大致思路就是想辦法把線和背景分離開來，然後做輪廓檢測，把面積最大的輪廓找出來並計算出輪廓的質心就ojbk了。

識別思路

1.線的顏色都比較明亮，因此這裡把圖轉成HSV顏色空間，並單獨將V通道拿出來用
原圖：

V通道圖：

2.做個伽馬變換，把越亮的地方搞的越亮，把越暗的地方搞的越暗。

adjusted = gamma_trans(v_img, 9.3)

3.由於有些屬於線上的點可能會比較暗淡，因此想了個法子，把所有像素乘以一個比較大的數字，在加上一定的數值。這樣的話，線上比較暗淡的點也會變亮。

adjusted = cv2.convertScaleAbs(adjusted, alpha=13, beta=20)

4.此時線上的點已經大部分比較接近於白色了，這個時候阈值化一波。

_, adjusted = cv2.threshold(adjusted, 200, 255, cv2.THRESH_BINARY)

5.線段中間有空隙，需要把它們補上白色才好計算輪廓，所以撸一發膨脹。這裡為了盡可能的把孔隙補上，所以核搞得比較大。

kernel = np.ones([12, 12], dtype=np.uint8)
adjusted = cv2.dilate(adjusted, kernel, iterations=2)

6.反個相，因為輪廓檢測默認檢測得是白色區域，但我們需要的是黑色區域的輪廓。

adjusted = np.ones([adjusted.shape[0], adjusted.shape[1]], dtype=np.uint8) * 255 - adjusted

7.輪廓檢測，從眾多輪廓中挑選出最大的輪廓。

8.計算最大輪廓的一階矩就能算出輪廓的中心點坐標。

M = cv2.moments(contours[max_contour_index])
center_x = int(M["m10"] / M["m00"])
center_y = int(M["m01"] / M["m00"])

識別結果

大概測試了20幾次，對了19次。估計這個驗證碼的圖庫本身就不大，所以這麼做就夠用了。

改進點

如果想泛化能力更強的話，還是建議多采集一些圖並且用一些網圖生成一些類似的圖，然後訓練出一個分割模型來做分割。畢竟如果驗證碼的圖變騷了，那麼這種純圖像處理的法子可能就不適用了。