【毕业设计/课程设计】基于机器视觉的验证码识别研究与实现

• 0 项目说明
• 1 使用方法
• 2 前期准备
• 3 图像处理
• 4 识别算法
• 5 项目源码

基于机器视觉的验证码识别研究与实现

提示：适合用于课程设计或毕业设计，工作量达标，源码开放

获取项目源码：https://download.csdn.net/download/Seniors_DC/85574221

1. 爬取验证码
2. 对图像做处理并切分
3. 手工标注数据
4. 导入训练集
5. 使用测试集

1.Image (图像处理库)

• jpeg
• zlib
• PIL

2.numpy (数学处理库)
3.ImageEnhance (图像处理库)

enhancer = ImageEnhance.Contrast(img)    # 增加对比对
img = enhancer.enhance(2)
enhancer = ImageEnhance.Sharpness(img)   # 锐化
img = enhancer.enhance(2)
enhancer = ImageEnhance.Brightness(img)  # 增加亮度
img = enhancer.enhance(2)

静态图片

1. 清除图片噪点
2. 清除图片干扰线
3. 切割图片
4. 信息输出

动态图片

1. 按帧转存 GIF
2. 读取每个 GIF 的 Duration 属性
3. 找到 Duration 最长的图片，后同静态图片处理

KNN

# kNN algorithm
def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]
    diffMat = tile(inX, (dataSetSize, 1)) - dataSet
    sqDiffMat = diffMat ** 2
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances ** 0.5
    sortedDistIndicies = distances.argsort()
    classCount = {}
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]  # changed
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
    sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]

SVM
根据算法的性质，可以问题设定成一个二分类问题：识别数字1和2（当然也可以是其他的任意两个数字)。

获取项目源码：https://download.csdn.net/download/Seniors_DC/85574221