最近在折騰驗證碼識別。最終的腳本的識別率在92%左右，9000張驗證碼大概能識別出八千三四百張左右。好吧，其實是驗證碼太簡單。下面就是要識別的驗證碼。

我主要用的是Python中的PIL庫。

首先進行二值化處理。由于圖片中的噪點顏色比較淺，所以可以設定一個閾值直接過濾掉。這里我設置的閾值是150，像素大于150的賦值為1，小于的賦為0.

def set_table(a):  table = []       for i in range(256):    if i < a:      table.append(0)    else:      table.append(1)  return tableimg = Image.open("D:/python/單個字體/A"+str(i)+".jpg")pix = img.load()#將圖片進行灰度化處理img1 = img.convert('L')#閾值為150，參數為1，將圖片進行二值化處理img2 = img1.point(set_table(150),'1') 

處理后的圖片如下。

閾值不同產生的不同效果：

接下來對圖片進行分割。遍歷圖片中所有像素點，計算每一列像素為0的點的個數（jd）。對于相鄰兩列，若其中一列jd=0,而另一列jd!=0,則可以認為這一列是驗證碼中字符邊界，由此對驗證碼進行分割。這樣分割能達到比較好的效果，分割后得到的字符圖片幾乎能與模板完全相同。

(Width,Height) = img2.sizepix2 = img2.load()x0 = []y0 = []for x in range(1,Width):  jd = 0  # print x  for y in range(1,Height):    # print y    if pix2[x,y] == 0:      jd+=1  y0.append(jd)  if jd > 0:    x0.append(x)#分別對各個字符邊界進行判斷，這里只舉出一個    for a in range(1,Width):  if (y0[a] != 0)&(y0[a+1] != 0):    sta1 = a+1    break

分割完成后，對于識別，目前有幾種方法。可以遍歷圖片的每一個像素點，獲取像素值，得到一個字符串，將該字符串與模板的字符串進行比較，計算漢明距離或者編輯距離（即兩個字符串的差異度），可用Python-Levenshtein庫來實現。

我采用的是比較特征向量來進行識別的。首先設定了4個豎直特征向量，分別計算第0、2、4、6列每一列像素值為0的點的個數，與模板進行比較，若小于閾值則認為該字符與模板相同。為了提高識別率，如果通過豎直特征向量未能識別成功，引入水平特征向量繼續識別，原理與豎直特征向量相同。

另外，還可以通過局部特征進行識別。這對于加入了旋轉干擾的驗證碼有很好效果。由于我寫的腳本識別率已經達到了要求，所以并沒有用到這個。

最后的結果是這樣的：