验证码识别是一个适合入门机器学习的项目，之前用knn 做过一个很简单的，这次用svm来实现。svm直接用了开源的库libsvm。验证码选的比较简单，代码也写得略乱，大家看看就好。
1. 爬取验证码图片
import urllib
from urllib import request def download_pics(pic_name):
url = 'http://smart.gzeis.edu.cn:8081/Content/AuthCode.aspx'
res = request.urlopen(url)
get_img = res.read() with open( 'D:\python\验证码\%s.jpg'%(pic_name),'wb') as f:
f.write(get_img) if __name__ == '__main__':
for i in range(100):
pic_name = i
download_pics(pic_name)
2. 二值化
接下来要做的工作就是二值化验证码，所谓二值化，就是将每一个像素点用0或1来表示，图像的每个像素点都有rgb三个值，我们首先转化成灰度图，这样每个像素点就只有一个灰度值了。接下来根据自己设定的阈值来确定每个像素点是该为0还是为1。
我的思路是首先将图像转化为array处理，当然完全可以直接图像处理。
def binarization(im): #二值化
imgry = im.convert('L')
imgry = np.array(imgry) #将图像转化为数组
height, width = imgry.shape
#f = open('s.txt','w')
for i in range(height):
for j in range(width):
gray = imgry[i,j]
if gray <= 220: #阈值设为220
imgry[i, j] = 0
else:
imgry[i, j] = 1
#f.write(str(imgry[i,j])) #输出到txt查看
#f.write('\n')
'''
plt.figure('')
plt.imshow(imgry, cmap='gray')
plt.axis('off')
plt.show()
'''
return imgry
在二值化处理之后，处理结果如下所示：
在txt的结果如下所示，可以很明显的看到0413：
3. 去除噪点
在二值化之后，还存在一个问题就是图像之中还有许多黑点，这成为噪点，是干扰项，去除噪点有很多不同的方法，由于我只是一个小菜鸟，所以我就用了最简单的8-邻域去除噪点法。依次检查每个像素点周围8个点的情况，如果黑点少于阈值时，那么就可以认为该点是噪点。其实这样的处理效果是比较差的，只是适用于去除小点，但是对于干扰线条这种可能就没什么作用了。
def noiseReduction(imgry): #去除噪点
global dx, dy
height, width = imgry.shape
for i in range(height):
for j in range(width):
cnt = 0
if imgry[i, j] == 1: #白点不用管
continue
else:
for k in range(8):
x = dx[k] + i
y = dy[k] + j
if x < 0 or x >= height or y < 0 or y >= width:
continue
if imgry[x, y] == 0:
cnt += 1
if cnt < 4: #周围少于4点就算噪点
imgry[i, j] = 1
return imgry
处理之后可以明显的看到黑点基本上都被处理掉了。
4. 图片分割
接下来要做的就是将这四个数字分割开来形成训练集，这个操作并不难。因为这些验证码的位置都是差不多的，如果验证码字符位置比较乱的话就会比较麻烦。。
def cutImg(img): #图像切割
s = 12
w = 40
h = 81
t = 0
cut_img = []
for i in range(4):
pic = img.crop((s + w * i, t, s + w * (i + 1), h))
cut_img.append(pic)
return cut_img
5. 图片分类
这个步骤的目的就是人为的给训练集打上标签。 将相同的数字放在同一个文件夹下面。
6. 训练模型
训练模型很简单，因为直接就是使用libsvm库，我们只需要按照数据格式生成一些特征值即可。在切割完图片并保存之后，我发现我图片的像素值有略微的改变，可能是重新保存了的原因，所有我这里又进行了一次二值化。。。
这里说明依稀libsvm数据格式的要求：
[label] [index:value] [index:value] [index:value].....
每一个数据都是这样的格式，label是标签，[index:value]是数据的特征值，index就是从0开始的编号，value是特征值。
在这里对于每一张图片，我就把特征值设为每行每列的黑点个数了。如第一个特征值就是第一行黑点个数。。。
import os
from PIL import *
from PIL import Image
import numpy as np
from libsvm.python.svmutil import *
from libsvm.python.svm import * address = 'D:\python\验证码-sort\\'
f = open('train.txt', 'w') def get_feature(dir, file):
f.write(dir)
im = Image.open(address + dir +'\\' + file)
imarr = np.array(im)
height, width = imarr.shape
for i in range(height):
for j in range(width):
gray = imarr[i,j]
if gray <= 150:
imarr[i, j] = 0
else:
imarr[i, j] = 255
im = Image.fromarray(imarr)
count = 0
width, height = im.size
for i in range(height):
c = 0
for j in range(width):
if im.getpixel((j, i)) == 0: c += 1
f.write(' %d:%d'%(count, c))
count += 1
for i in range(width):
c = 0
for j in range(height):
if im.getpixel((i, j)) == 0: c += 1
f.write(' %d:%d'%(count, c))
count += 1
f.write('\n') def train_svm_model():
y, x = svm_read_problem('train.txt')
model = svm_train(y, x)
svm_save_model('model_file', model) if __name__ == '__main__':
dirs = os.listdir(address)
for dir in dirs:
files = os.listdir(address + dir)
for file in files:
get_feature(dir, file)
train_svm_model()
7. 测试模型
用测试数据对模型进行测试。
from libsvm.python.svmutil import *
from libsvm.python.svm import *
import image_slove if __name__ == '__main__':
model = svm_load_model('model_file')
yt, xt = svm_read_problem('test.txt')
p_label, p_acc, p_val = svm_predict(yt, xt, model)
还是不错的，毕竟验证码很简单。。。
8. 预测验证码
终于走到最后一步了，得到一张验证码后先按照之前的操作根据该图片生成特征值，这里标签还是需要的，可以随便填一个，反正这个不重要。或许有别的方法，反正我暂时还不知道。
from libsvm.python.svmutil import *
from libsvm.python.svm import *
from PIL import Image
import image_slove if __name__ == '__main__':
'''
在这里处理图片生成特征值
'''
model = svm_load_model('model_file')
yt, xt = svm_read_problem('predict.txt')
p_label, p_acc, p_val = svm_predict(yt, xt, model)
print('该验证码为：', end='')
for label in p_label:
print(int(label), end='')
最后成功的验证出来了。
9. 总结
通过这个实验对于验证码识别流程有了一定的了解，这次也是直接使用了支持向量机，后续需要稍微学习一下。