资源描述：
《验证码识别基础方法及源码》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、先说说写这个的背景 最近有朋友在搞一个东西，已经做的挺不错了，最后想再完美一点，于是乎就提议把这种验证码给K.O.了，于是乎就K.O.了这个验证码。达到单个图片识别时间小于200ms，500个样本人工统计正确率为95%。由于本人没有相关经验，是摸着石头过河。本着经验分享的精神，分享一下整个分析的思路。在各位大神面前献丑了。 再看看部分识别结果 是不是看着很眼熟？ 处理第一步，去背景噪音和二值化 对于这一块，考虑了几种方法。 方法一，统计图片颜色分布，颜色占有率低的判定为背景噪音。由于背景噪音和前景色区分并不明显，尝试了很多种取景方法都
2、不能很好去除背景噪音，最终放弃了这种方法。 方法二，事后在网上稍微查了下，最近比较流行计算灰度后设定一个阈值进行二值化。其实所谓的灰度图片原理是根据人眼对色彩敏感度取了权值，这个权值对计算机来说没有什么意义。稍微想一下就可以发现，这两个过程完全可以合并。于是乎我一步完成了去背景噪音和二值化。阈值设置为RGB三分量之和到500。结果非常令人满意。 处理第二步，制作字符样本 样本对于计算机来说是非常重要的，因为计算机很难有逻辑思维，就算有逻辑思维也要经过长期训练才能让你满意。所以要用事先制作好的样本进行比较。如果你仔细观察过这些验证码会发现一个bug，几乎大部分的
3、验证码都是使用同样的字体，于是乎就人工制作了一套字体的样本。由于上一步已经有去除背景噪音的结果，可以直接利用。制作样本这一步有点简单枯燥，还需要细心。可能因为你的一个不细心会导致某个符号的识别率偏低。在这500个样本中，只发现了31个字符。幸亏是某部门的某人员还考虑到了易错的字符，例如，1和I，0和O等。要不然这个某部门要背负更多的骂名。 处理第三步，匹配 单个匹配用了最简单最原始的二值比较，不过匹配的是匹配率而不是匹配数。我定义了相关的计分原则。大原则是“该有的有了加分，该有的没了减分，不该有的有了适度减分，可达区域外的不算分”。 由于一些符号的部分区域匹配
4、结果跟另一些符号的完整匹配结果相似，需要把单个匹配在一个扩大的区域内择优。在一定的范围内，找到一个最佳匹配，这个最佳匹配就是当前位置对应的符号。 完成了一次最佳匹配，可以把匹配位置向右推进一大步，若找不到合适的最佳匹配就向右推进一小步。 处理第四步，优化和调整 任何一个算法都是需要优化和调整的。现在要找到最佳参数配置和最佳代码组织。这一步往往是需要花费最多时间和精力的。 处理第五步，验证结果 这一步呢，纯人力验证结果，统计出正确率。 思考 结果是出来了，代码也不多，效果也很理想。搞这一行的，很多时候都想要通用的。能否通用，很
5、大程度上在于抽象层次。本方法只是单纯的匹配，自然不能通用，但是方法和思想却是通用的。具体案例具体分析。至于扭曲文字、空心文字等，处理要复杂的多。网上也有一些使用第三方图像库的方法，也许那些方法会比较通用。等有空了有兴趣了继续搞一下这个主题。 源码 至于这个源码要不要发布，纠结了一段时间。网上已经有类似的商业活动了，而且这个识别本身没有太大难度，再加上某系统天生的bug，此验证码本身就相当于没有设置，因此发布此代码，仅作于学习交流。+ViewCode?12345678910111213141516171819usingSystem.Collections.Generic
6、;usingSystem.Drawing;usingSystem.IO;usingSystem.IO.Compression; namespaceCrack12306Captcha{ publicclassCracker { Listwords_=newList(); publicCracker() { varbytes=newbyte[]{ 0x1f,0x8b,0x08,0x00,0x00,0x00,0x00,0x00,0x04,0
7、x00,0xc5,0x58,0xd9,0x92,0x13,0x31, 0x0c,0x94,0x9e,0x93,0x0c,0x61,0x97,0x2f,0xe1,0x58,0xe0,0x91,0x9b,0x82,0x62,0x0b, 0x58,0xee,0xff,0xff,0x10,0xd8,2021222324252627282930313233343536373839404142
