基于Python的验证码识别研究与实现
1.摘要
验证码的主要目的是区分人类和计算机，用来防止自动化脚本程序对网站的一些恶意行为，目前绝大部分网站都利用验证码来阻止恶意脚本程序的入侵。
验证码的自动识别对于减少自动登录时长，识别难以识别的验证码图片有着重要的作用。对验证码图像进行灰度化、二值化、去离散噪声、字符分割、归一化、特征提取、训练和字符识别等过程可以实现验证码自动识别。首先将原图片进行灰度化处理，接着二值化将图片像素点矩阵中的每个像素点的灰度值为0，接下来将处理后的图片中的噪点采用高斯去噪模型进行去噪，接着采用寻找轮廓的方法将图片识别成一个一个的字符保存起来。对样本集数据使用kNN算法进行数据训练，模型建立，模型匹配等操作实现验证码图片的识别功能。
本文主要的工作是对基于Python的kNN分类算法进行了详细的研究，设计出了验证码自动识别系统。研究了验证码识别的具体过程，包括图像采集，预处理，检测，前处理，训练识别等过程。在识别过程中，发现基于kNN算法的识别技术存在如下的问题，在数据模型训练模块，对于样本的选取直接影响到识别准确度，在图片处理模块若对于图片的噪音处理不完全，会影响切割验证码图片的精确度与后期的识别准确率。
关键词：验证码识别；灰度化；二值化处理；降噪；KNN算法
2.主要分为以下几部分
3.图像识别功能模块描述
在此模块中对于得到的样本集进行数据训练，并建立数据模型。本文采取的是基于kNN分类算法的数据训练模型，通过对已经标注过的验证码图片进行模型的训练。
4.主要的功能由函数get_code(im)实现:
函数名称：
get_code(im)
参数：
im，需要识别的验证码图片
代码实现：
[samples, label_ids, id_label_map] = load_data()
model = cv2.ml.KNearest_create()
model.train(samples, cv2.ml.ROW_SAMPLE, label_ids) #训练我们的模型
im_res = grayImage2(im)
contours, hierarchy =
cv2.findContours(im_res,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
boxes = get_rect_box(contours)
if len(boxes) != 4:
print("cannot get code")
result = [] #识别验证码的代码
for box in boxes: #分割后的字符的轮廓信息存在变量boxes中
roi = im_res[box[0][1]:box[3][1], box[0][0]:box[1][0]]
#处理后的图片存在变量im_res中
roistd = cv2.resize(roi, (30, 30))
sample = roistd.reshape((1, 900)).astype(np.float32)
ret, results, neighbours, distances = model.findNearest(sample, k = 3)
label_id = int(results[0,0])
label = id_label_map[label_id]
result.append(label)
对人工标注好的验证码图片使用KNN算法建立模型，进行模型的训练，然后，接着对需要识别的验证码图片在样本集中查找归类，将识别的字符信息输出。
返回值：
返回识别出的字符信息
功能：
实现验证码的训练和识别功能。
5.样本训练和识别
使用kNN算法进行验证码的提取与识别过程如下：
第一步先使用kNN算法创建模型
第二步，使用标注好的样本集进行模型的训练
第三步，进行测试数据的识别，结果显示。
实现此功能的主要函数是test_data();
函数名称：
test_data()
参数：
无
返回值：
返回测试数据的识别结果
代码实现：
test_files = os.listdir("test")
total = 0
correct = 0
for filename in test_files:
filepath = os.path.join("test", filename)
im = cv2.imread(filepath)
preds = get_code(im)
chars = filename.split(".")[0]
print(chars,preds)
for i in range(len(chars)):
if chars[i] == preds[i]:
correct += 1
total += 1
print(correct/total)
加载test目录下的需要识别的验证码图片，进行验证码的处理分割，然 后在训练集中查找此样本的标签，进行样本的归类，输出结果。
功能：
实现对识别过程中模型的建立模型的训练，以及通过样本集来对测试数 据进行识别的功能。
程序界面图如图5.10验证码识别图所示：
6.系统用例图
