基于SVM的python简单实现验证码识别

验证码识别是一个适合入门机器学习的项目，之前用knn 做过一个很简单的，这次用svm来实现。svm直接用了开源的库libsvm。验证码选的比较简单，代码也写得略乱，大家看看就好。

1. 爬取验证码图片

 import urllib
 from urllib import request

 def download_pics(pic_name):
     url = 'http://smart.gzeis.edu.cn:8081/Content/AuthCode.aspx'
     res = request.urlopen(url)
     get_img = res.read()

     with open( 'D:\python\验证码\%s.jpg'%(pic_name),'wb') as f:
         f.write(get_img)

 if __name__ == '__main__':
     for i in range(100):
         pic_name = i
         download_pics(pic_name)

2. 二值化

接下来要做的工作就是二值化验证码，所谓二值化，就是将每一个像素点用0或1来表示，图像的每个像素点都有rgb三个值，我们首先转化成灰度图，这样每个像素点就只有一个灰度值了。接下来根据自己设定的阈值来确定每个像素点是该为0还是为1。

我的思路是首先将图像转化为array处理，当然完全可以直接图像处理。

 def binarization(im):  #二值化
     imgry = im.convert('L')
     imgry = np.array(imgry)  #将图像转化为数组
     height, width = imgry.shape
     #f = open('s.txt','w')
     for i in range(height):
         for j in range(width):
             gray = imgry[i,j]
             if gray <= 220:  #阈值设为220
                 imgry[i, j] = 0
             else:
                 imgry[i, j] = 1
             #f.write(str(imgry[i,j]))  #输出到txt查看
         #f.write('\n')
     '''
     plt.figure('')
     plt.imshow(imgry, cmap='gray')
     plt.axis('off')
     plt.show()
     '''
     return imgry

在二值化处理之后，处理结果如下所示：

                   

在txt的结果如下所示，可以很明显的看到0413：

3. 去除噪点

在二值化之后，还存在一个问题就是图像之中还有许多黑点，这成为噪点，是干扰项，去除噪点有很多不同的方法，由于我只是一个小菜鸟，所以我就用了最简单的8-邻域去除噪点法。依次检查每个像素点周围8个点的情况，如果黑点少于阈值时，那么就可以认为该点是噪点。其实这样的处理效果是比较差的，只是适用于去除小点，但是对于干扰线条这种可能就没什么作用了。

 def noiseReduction(imgry):  #去除噪点
     global dx, dy
     height, width = imgry.shape
     for i in range(height):
         for j in range(width):
             cnt = 0
             if imgry[i, j] == 1:  #白点不用管
                 continue
             else:
                 for k in range(8):
                     x = dx[k] + i
                     y = dy[k] + j
                     if x < 0 or x >= height or y < 0 or y >= width:
                         continue
                     if imgry[x, y] == 0:
                         cnt += 1
             if cnt < 4:  #周围少于4点就算噪点
                 imgry[i, j] = 1
     return imgry

处理之后可以明显的看到黑点基本上都被处理掉了。

4. 图片分割

接下来要做的就是将这四个数字分割开来形成训练集，这个操作并不难。因为这些验证码的位置都是差不多的，如果验证码字符位置比较乱的话就会比较麻烦。。

 def cutImg(img):  #图像切割
     s = 12
     w = 40
     h = 81
     t = 0
     cut_img = []
     for i in range(4):
         pic = img.crop((s + w * i, t, s + w * (i + 1), h))
         cut_img.append(pic)
     return cut_img

5. 图片分类

这个步骤的目的就是人为的给训练集打上标签。 将相同的数字放在同一个文件夹下面。

             

6.  训练模型

训练模型很简单，因为直接就是使用libsvm库，我们只需要按照数据格式生成一些特征值即可。在切割完图片并保存之后，我发现我图片的像素值有略微的改变，可能是重新保存了的原因，所有我这里又进行了一次二值化。。。

这里说明依稀libsvm数据格式的要求：

[label]   [index:value]   [index:value]   [index:value].....

每一个数据都是这样的格式，label是标签，[index:value]是数据的特征值，index就是从0开始的编号，value是特征值。

在这里对于每一张图片，我就把特征值设为每行每列的黑点个数了。如第一个特征值就是第一行黑点个数。。。

 import os
 from PIL import *
 from PIL import Image
 import numpy as np
 from libsvm.python.svmutil import *
 from libsvm.python.svm import *

 address = 'D:\python\验证码-sort\\'
 f = open('train.txt', 'w')

 def get_feature(dir, file):
     f.write(dir)
     im = Image.open(address + dir +'\\' + file)
     imarr = np.array(im)
     height, width = imarr.shape
     for i in range(height):
         for j in range(width):
             gray = imarr[i,j]
             if gray <= 150:
                 imarr[i, j] = 0
             else:
                 imarr[i, j] = 255
     im = Image.fromarray(imarr)
     count = 0
     width, height = im.size
     for i in range(height):
         c = 0
         for j in range(width):
             if im.getpixel((j, i)) == 0: c += 1
         f.write(' %d:%d'%(count, c))
         count += 1
     for i in range(width):
         c = 0
         for j in range(height):
             if im.getpixel((i, j)) == 0: c += 1
         f.write(' %d:%d'%(count, c))
         count += 1
     f.write('\n')

 def train_svm_model():
     y, x = svm_read_problem('train.txt')
     model = svm_train(y, x)
     svm_save_model('model_file', model)

 if __name__ == '__main__':
     dirs = os.listdir(address)
     for dir in dirs:
         files = os.listdir(address + dir)
         for file in files:
             get_feature(dir, file)
     train_svm_model()

7.  测试模型

用测试数据对模型进行测试。

 from libsvm.python.svmutil import *
 from libsvm.python.svm import *
 import image_slove

 if __name__ == '__main__':
     model = svm_load_model('model_file')
     yt, xt = svm_read_problem('test.txt')
     p_label, p_acc, p_val = svm_predict(yt, xt, model)

还是不错的，毕竟验证码很简单。。。

8.  预测验证码

终于走到最后一步了，得到一张验证码后先按照之前的操作根据该图片生成特征值，这里标签还是需要的，可以随便填一个，反正这个不重要。或许有别的方法，反正我暂时还不知道。

 from libsvm.python.svmutil import *
 from libsvm.python.svm import *
 from PIL import Image
 import image_slove

 if __name__ == '__main__':
     '''
       在这里处理图片生成特征值
     '''
     model = svm_load_model('model_file')
     yt, xt = svm_read_problem('predict.txt')
     p_label, p_acc, p_val = svm_predict(yt, xt, model)
     print('该验证码为：', end='')
     for label in p_label:
         print(int(label), end='')

最后成功的验证出来了。

9.  总结

通过这个实验对于验证码识别流程有了一定的了解，这次也是直接使用了支持向量机，后续需要稍微学习一下。