前言
CAPTCHA全称Completely Automated Public Turing Test to Tell Computers and Humans Apart，即全自动区分人机的图灵测试。这也是验证码诞生的主要任务。但是随着近年来大数据运算和机器视觉的发展，用机器视觉识别图像已经变得非常容易，过去用于区分人机的验证码也开始变得不再安全。
接下来就让我们从零开始，深入图像处理和算法构建，来看看使用机器视觉来识别过时的验证码（ 如下所示 ）究竟可以有多简单。
载入需要的程序包 & 设置全局变量
import requests import time from io import BytesIO from PIL import Image import os import numpy as np # 获取验证码的网址 CAPT_URL = "http://xxxxxxxxxxxx.cn/servlet/ImageServlet" # 验证码的保存路径 CAPT_PATH = "capt/" if not os.path.exists(CAPT_PATH): os.mkdir(CAPT_PATH) # 将验证码转为灰度图时用到的"lookup table" THRESHOLD = 165 LUT = [0]*THRESHOLD + [1]*(256 - THRESHOLD)
从网站获取验证码
capt_fetch()方法非常简单，我们直接从网站获取验证码，将其转换为Image对象，等待被训练和测试等环节调用。
def capt_fetch(): """ 从网站获取验证码，将验证码转为Image对象 :require requests: import requests :require time: import time :require BytesIO: from io import BytesIO :require Image: from PIL import Image :param: :return capt: 一个Image对象 """ # 从网站获取验证码 capt_raw = requests.get(CAPT_URL) # 将二进制的验证码图片写入IO流 f = BytesIO(capt_raw.content) # 将验证码转换为Image对象 capt = Image.open(f) return capt
保存验证码到本地
def capt_download():
"""
将Image类型的验证码对象保存到本地
:require Image: from PIL import Image
:require os: import os
:require capt_fetch(): 从nbsc网站获取验证码
:require CAPT_PATH: 验证码保存路径
:param:
:return:
"""
capt = capt_fetch()
capt.show()
text = raw_input("请输入验证码中的字符：")
suffix = str(int(time.time() * 1e3))
capt.save(CAPT_PATH + text + "_" + suffix + ".jpg")
图像预处理
def capt_process(capt):
"""
图像预处理：将验证码图片转为二值型图片，按字符切割
:require Image: from PIL import Image
:require LUT: A lookup table, 包含256个值
:param capt: 验证码Image对象
:return capt_per_char_list: 一个数组包含四个元素，每个元素是一张包含单个字符的二值型图片
"""
capt_gray = capt.convert("L")
capt_bw = capt_gray.point(LUT, "1")
capt_per_char_list = []
for i in range(4):
x = 5 + i * 15
y = 2
capt_per_char = capt_bw.crop((x, y, x + 15, y + 18))
capt_per_char_list.append(capt_per_char)
return capt_per_char_list
图像预处理的效果如下：
原始图像
灰度图
黑白图
按字符切分后的黑白图像
由于字符宽窄有差异，这里我们按字符切分后，有些字符会多出来一部分，有些字符会丢失一部分。比如7多了一笔看起来像个三角形，M少了一竖看起来像N。但只要符号之间有区分度，依然能够准确分类。
提取图像中的特征值
def capt_inference(capt_per_char): """ 提取图像特征 :require numpy: import numpy as np :param capt_per_char: 由单个字符组成的二值型图片 :return char_features:一个数组，包含 capt_per_char中字符的特征 """ char_array = np.array(capt_per_char) total_pixels = np.sum(char_array) cols_pixels = np.sum(char_array, 0) rows_pixels = np.sum(char_array, 1) char_features = np.append(cols_pixels, rows_pixels) char_features = np.append(total_pixels, char_features) return char_features.tolist()
生成训练集
这里我们会将预分类的每张验证码分别读入内存，从它们的图像中提取特征值，从它们的名称中提取验证码所对应的文字（标签），并将特征值与标签分别汇总成列表，注意train_labels中的每个元素是与train_table中的每一行相对应的。
def train():
"""
将预分类的验证码图片集转化为字符特征训练集
:require Image: from PIL import Image
:require os: import os
:require capt_process(): 图像预处理
:require capt_inference(): 提取图像特征
:param:
:return train_table: 验证码字符特征训练集
:return train_labels: 验证码字符预分类结果
"""
files = os.listdir(CAPT_PATH)
train_table = []
train_labels = []
for f in files:
train_labels += list(f.split("_")[0])
capt = Image.open(CAPT_PATH + f)
capt_per_char_list = capt_process(capt)
for capt_per_char in capt_per_char_list:
char_features = capt_inference(capt_per_char)
train_table.append(char_features)
return train_table, train_labels
定义分类模型
def nnc(train_table, test_vec, train_labels): """ Nearest Neighbour Classification（近邻分类法）， 根据已知特征矩阵的分类情况，预测未分类的特征向量所属类别 :require numpy: import numpy as np :param train_table: 预分类的特征矩阵 :param test_vec: 特征向量， 长度必须与矩阵的列数相等 :param labels: 特征矩阵的类别向量 :return : 预测特征向量所属的类别 """ dist_mat = np.square(np.subtract(train_table, test_vec)) dist_vec = np.sum(dist_mat, axis = 1) pos = np.argmin(dist_vec) return train_labels[pos]
测试模型分类效果
最后，我们需要测试我们的理论是否有效，通过调用test()方法，我们会先从网站获取验证码图像，对图像进行处理、特征提取，然后调用nnc()方法对提取到的四组特征值做近邻分类，分别得到验证码中的四个字符。最后将验证码图像和识别到的字符传出，方便我们比对识别结果。
def test():
"""
测试模型分类效果
:require Image: from PIL import Image
:require capt_fetch(): 从nbsc网站获取验证码
:require capt_process(): 图像预处理
:require capt_inference(): 提取图像特征
:train_table, train_labels: train_table, train_labels = train()
:param:
:return capt: 验证码图片
:return test_labels: 验证码识别结果
"""
test_labels = []
capt = capt_fetch()
capt_per_char_list = capt_process(capt)
for capt_per_char in capt_per_char_list:
char_features = capt_inference(capt_per_char)
label = nnc(train_table, char_features, train_labels)
test_labels.append(label)
test_labels = "".join(test_labels)
return capt, test_labels
训练数据，识别验证码
# 下载120张图片到本地 for i in range(120): capt_download() # 模型的训练与测试 train_table, train_labels = train() test_capt, test_labels = test()
最后我们调用test()方法验证我们的理论是否成立，识别效果如下：
获取到的验证码
识别结果
结语
至此，我们通过机器视觉识别验证码的任务算是完成了。至于正确率，大概每10张验证码，40各字符中会预测失误一个字符。这已经比较接近我们人类的识别准确率了，当然，我们还可以通过建立起更庞大的学习库，使用knn或更复杂的模型，使用卷积核处理图片等方式，使识别准确率更高。
当然，我们这里所用的方法，只适用于识别比较简单的验证码。对于更加复杂的验证码（如下图），以上方法是不起作用的，但这并不代表这样的验证码不能通过机器视觉进行识别。
我们已经看到，随着机器视觉的发展，通过传统的验证码来区分人机已经越来越难了。当然，为了网络的安全性，我们也可使用更复杂的验证码，或者新型的验证方式，比如拖动滑块、短信验证、扫码登陆等。
以上所述是小编给大家介绍的python自动识别验证码详解整合，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对网站的支持！
京公网安备 11010802040832号 | 京ICP备19059560号-6 