Python3.5 + sklearn利用SVM自动识别字母验证码方法示例

yipeiwu_com5年前Python基础

前言

最近正在研究人工智能,为了加深对算法的理解,决定写个自动设别验证码的程序。看了看网上的demo,大部分都是python2的写法,而且验证码的识别都是用的数字做例子,那我就写个基于python3字母识别的程序,不过一路写下来碰到不少坑,大家感兴趣的话可以慢慢看。

图片识别有几个比较大的步骤是必须完成的:

1、有大量的验证码图片作为样本

2、图片要进行处理  流程是:灰度化==》二值化==》字符切割==》识别分类

3、图像识别要提取特征值,然后把图片二值化的数据当做样本做训练,最后基于样本完成对新验证码的识别

一、大量验证码准备

因为要写字母识别,所以需要大量的字母验证码,正好之前做过某电商的项目,印象中是纯字母的查了下果然是的所以就用那个网站作为例子了。

获取验证码方法很简单,找到验证码动态生成的地址,

然后调用python的urllib.request获得图片然后保存就好了

二、图片的灰度化和二值化

其实为了增强识别率,我们将彩色的图片灰度化,

这样就变成了黑白两色,黑的是255白的是0,这样更容易让机器来识别。

灰度化和二值化之前、后的效果图

三、图片的分割

经过观察验证码可以发现,验证码是4位的字母,

同时验证码直接是有空白分隔的(后面的验证码有黏连的单独讲)

这里使用垂直投影法,根据投影进行图片的切割。这个算法讲起来太复杂,看代码吧。。。

效果如下,反正就是切成了4个图片

    

四、识别分类

这里因为图片太多了,要对每个图片分26个字母的哪一个太麻烦,所以借用Google的tesseract这个OCR的软件,用它来帮我识别下图片是哪个字母(当然它识别的成功率不高,不然也不用人工智能了),然后识别错误的我再手动分类。


经过ocr识别和人工分类后,我的temp目录下就变成了这样的,每个目录下都是正确的字母图片


五、提取特征值

将字母的文件夹图片取出,提取特征值然后存储到文本文件里

六、机器训练

这里使用sklearn.svm这个支持向量机的算法,来对数据进行分类。

SVM的算法是啥,可以看看知乎大神的讲解https://www.zhihu.com/question/21094489 ,

通过fit进行训练后,将训练的结果保存到pkl文件里,其实里面都是0和1的特征值

七、最后的验证就很简单了

找个验证码图片,调用之前的方法,变成二值化的数据,然后用SVM进行识别,就能得到正确的结果了

八、滴水算法(解决黏连问题)

这个验证码也不是完全都有空格分割好的,可能是长这样的,字母直接黏在一起了


这样的字母为了分割出来,就要用滴水算法,模拟水滴重力下落的过程,自动切分图片。

可以看我的water.py文件里面是详细的算法。

讲讲碰到的坑

1、python3不能用opencv了,尤其是cv2.cv方法只是python2用的,不用他换个python写法一样可以实现

2、原始图片有蓝色边,刚开始老识别错误,后来发现问题后,要先进行切割,保证只有字母是有颜色的,其它区域是白色的。

这个是cutImg方法的作用

3、使用Google的ocr时,使用了python的pytesseract,这个要先在电脑安装Tesseract-OCR,然后要在程序里指定路径才行,

不然会报错误的。pytesseract.pytesseract.tesseract_cmd = 'E:/Program Files (x86)/Tesseract-OCR/tesseract'

4、pytesseract.image_to_string(cur_img, config='-psm 7 outputbase letters')

这个letters是我自己创建的,位置在E:\Program Files (x86)\Tesseract-OCR\tessdata\configs 这里的letters是用来

约束识别范围的,比如我设置tessedit_char_whitelist abcdefghijklmnopqrstuvwxyz 这就表示只识别字母,这样

就会把1,0之类的变成l和o了

最后附上github的源码地址 https://github.com/zjy090/verifyCode  (本地下载

下次研究遗传算法GA的实现等写好了也写个demo分享给大家

总结

以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对【听图阁-专注于Python设计】的支持。

相关文章

朴素贝叶斯Python实例及解析

本文实例为大家分享了Python朴素贝叶斯实例代码,供大家参考,具体内容如下 #-*- coding: utf-8 -*- #添加中文注释 from numpy import *...

Linux 下 Python 实现按任意键退出的实现方法

某天在群内有同学问到,在python下我用input或者raw_input都得输入完后回车才能获取到输入的值,那如何实现任意键退出暂停等功能呢,我当时也没有多想,因为接触python时间...

python编码最佳实践之总结

相信用python的同学不少,本人也一直对python情有独钟,毫无疑问python作为一门解释性动态语言没有那些编译型语言高效,但是python简洁、易读以及可扩展性等特性使得它大受青...

django 数据库连接模块解析及简单长连接改造方法

工作中纯服务端的项目用到了线程池和django的ORM部分。django 的数据库连接在每一个线程中开启一份,并在查询完毕后自动关闭连接。 线程池处理任务时,正常使用的连接中不会被关闭,...

python 对key为时间的dict排序方法

如下所示: import time def date_compare(item1, item2): t1 = time.mktime(time.strptime(item1,...