python+svmlib+opencv实现图片验证码的自动识别

识别原理关键基于机器学习

以下是余下全文

python配置opencv网址
python配置SVMLIB网址

一、思想（基本步骤）

1.获取训练样本（python“爬”取）

2.图片预处理（去噪声）

3.图片分割（分割为单个数字）

4.提取特征（每行黑色像素点构成的向量的协方差）

5.训练（基于svmlib）

6.识别（基于svmlib）

二、获取训练样本

图片验证码是来源于“湖南大学迎新系统”

       url='http://yxxt.hnu.cn/VerifyCode.aspx?????'
        f = open("./picture/"+str(i)+".png","wb")
        f.write(urllib2.urlopen(url).read())
        f.close()

代码分析：上述url是网站中获取验证码路径，并且将获取的图片保存到本地

三、图片预处理（去噪声）

通过观察训练样本，发现噪声点的RGB都大于等于195

       for i in range(image_output.shape[0]):
         for j in range(image_output.shape[1]):
                if(image_output[i][j][0]>=195 and image_output[i][j][1]>=195 and image_output[i][j][2]>=195):
                 image_output[i][j]=(255,255,255)

代码分析：由于从上一步获取的图片都是白色作为背景色，因此将噪声点全部设置为白色

四、图片分割（分割为单个数字）

基本思路：首先得分析图像，此样本中的图片的每个数字基本上分布比较均匀，只要确定数字的左右、上下边界，就能将单个数字分割出来

        child_img_list = []
      for i in range(4):
             x1 = 10 + i * 50
             x2 = 60 + i * 50
          child_img = img[15:100,x1:x2]
             child_img_list.append(child_img)
             cv2.imwrite(path+str(PictureNum)+str(i)+".png",child_img)

代码分析：通过分析图片，发现图片中每个数字的高度固定在15~100（上边界和下边界）之间，而x1代表数字的左边界，x2代表数字的右边界

五、提取特征（每行黑色像素点构成的向量的协方差）

1.将图片分割成5×5个子区域，每个区域是10×17个像素点

2.计算每个子区域中黑色像素点个数，得到了5×5的矩阵

3.计算第二步得到的矩阵的协方差（协方差代表了每个子区域之间的关联性）

    FeatureKeep =[[] for i in xrange(5)]
    for i in range(5):
        for j in range(5):
            black_sum=0
            for k in range(10):
                for m in range(17):
                    # 判定黑点
                    if(input_image[5*i+k,j*5+m] < 200):
                        black_sum=black_sum+1
            FeatureKeep[i].append(black_sum)
    #计算协方差
    cov_mat = np.cov(FeatureKeep,rowvar=0)

代码分析：FeatureKeep保存了每个子区域的总的黑色像素点个数，cov_mat保存了协方差

六、训练（基于svmlib）

    y, x = svm_read_problem("./data/train.txt")
    model = svm_train(y, x)
    svm_save_model("./model", model)

代码分析：(详情见参考网址中的svmlib for python详解)
1.“train.tx”有特定格式：label index1:value1 index2:value2 …
2.y代表样本的标签（数字0类、数字1类），x代表了样本的特征
3.svm_train训练得到一个模型
4.svm_save_model保存训练模型

七、识别（基于svmlib）

    yt, xt = svm_read_problem(“./testPicture/recognize.txt”)
    model = svm_load_model("./model")
    p_label, p_acc, p_val = svm_predict(yt, xt, model)  # p_label即为识别的结果

代码分析：(详情见参考网址中的svmlib for python详解)
1.recognize.txt中是和训练中的train.txt相同格式的
2.yt代表了识别图片的编号，就是代表第几张图片。xt代表识别图片的特征
3.svm_load_model加载训练模型
4.svm_predict识别，p_label中存放的是识别的结果，会返回识别的标签（数字0或者数字1…）

八、参考网址

python实现验证码识别
svmlib for python详解