基于SVM的python简单实现验证码识别，svmpython验证码,验证码识别是一个适合

基于SVM的python简单实现验证码识别，svmpython验证码,验证码识别是一个适合

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

 1 import urllib 2 from urllib import request 3  4  5 def download_pics(pic_name): 6     url = ‘http://smart.gzeis.edu.cn:8081/Content/AuthCode.aspx‘ 7     res = request.urlopen(url) 8     get_img = res.read() 9 10     with open( ‘D:\python\验证码\%s.jpg‘%(pic_name),‘wb‘) as f:11         f.write(get_img)12 13 if __name__ == ‘__main__‘:14     for i in range(100):15         pic_name = i16         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。

 1 def binarization(im):  #二值化 2     imgry = im.convert(‘L‘) 3     imgry = np.array(imgry)  #将图像转化为数组 4     height, width = imgry.shape 5     #f = open(‘s.txt‘,‘w‘) 6     for i in range(height): 7         for j in range(width): 8             gray = imgry[i,j] 9             if gray <= 220:  #阈值设为22010                 imgry[i, j] = 011             else:12                 imgry[i, j] = 113             #f.write(str(imgry[i,j]))  #输出到txt查看14         #f.write(‘\n‘)15     ‘‘‘16     plt.figure(‘‘)17     plt.imshow(imgry, cmap=‘gray‘)18     plt.axis(‘off‘)19     plt.show()20     ‘‘‘21     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。

 1 def noiseReduction(imgry):  #去除噪点 2     global dx, dy 3     height, width = imgry.shape 4     for i in range(height): 5         for j in range(width): 6             cnt = 0 7             if imgry[i, j] == 1:  #白点不用管 8                 continue 9             else:10                 for k in range(8):11                     x = dx[k] + i12                     y = dy[k] + j13                     if x < 0 or x >= height or y < 0 or y >= width:14                         continue15                     if imgry[x, y] == 0:16                         cnt += 117             if cnt < 4:  #周围少于4点就算噪点18                 imgry[i, j] = 119     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。。

 1 def cutImg(img):  #图像切割 2     s = 12 3     w = 40 4     h = 81 5     t = 0 6     cut_img = [] 7     for i in range(4): 8         pic = img.crop((s + w * i, t, s + w * (i + 1), h)) 9         cut_img.append(pic)10     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。。。

 1 import os 2 from PIL import * 3 from PIL import Image 4 import numpy as np 5 from libsvm.python.svmutil import * 6 from libsvm.python.svm import * 7  8  9 address = ‘D:\python\验证码-sort\\‘10 f = open(‘train.txt‘, ‘w‘)11 12 def get_feature(dir, file):13     f.write(dir)14     im = Image.open(address + dir +‘\\‘ + file)15     imarr = np.array(im)16     height, width = imarr.shape17     for i in range(height):18         for j in range(width):19             gray = imarr[i,j]20             if gray <= 150:21                 imarr[i, j] = 022             else:23                 imarr[i, j] = 25524     im = Image.fromarray(imarr)25     count = 026     width, height = im.size27     for i in range(height):28         c = 029         for j in range(width):30             if im.getpixel((j, i)) == 0: c += 131         f.write(‘ %d:%d‘%(count, c))32         count += 133     for i in range(width):34         c = 035         for j in range(height):36             if im.getpixel((i, j)) == 0: c += 137         f.write(‘ %d:%d‘%(count, c))38         count += 139     f.write(‘\n‘)40 41 def train_svm_model():42     y, x = svm_read_problem(‘train.txt‘)43     model = svm_train(y, x)44     svm_save_model(‘model_file‘, model)45 46 if __name__ == ‘__main__‘:47     dirs = os.listdir(address)48     for dir in dirs:49         files = os.listdir(address + dir)50         for file in files:51             get_feature(dir, file)52     train_svm_model()

7. 测试模型

用测试数据对模型进行测试。

1 from libsvm.python.svmutil import *2 from libsvm.python.svm import *3 import image_slove4 5 if __name__ == ‘__main__‘:6     model = svm_load_model(‘model_file‘)7     yt, xt = svm_read_problem(‘test.txt‘)8     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。

 1 from libsvm.python.svmutil import * 2 from libsvm.python.svm import * 3 from PIL import Image 4 import image_slove 5  6 if __name__ == ‘__main__‘: 7     ‘‘‘ 8       在这里处理图片生成特征值 9     ‘‘‘10     model = svm_load_model(‘model_file‘)11     yt, xt = svm_read_problem(‘predict.txt‘)12     p_label, p_acc, p_val = svm_predict(yt, xt, model)13     print(‘该验证码为：‘, end=‘‘)14     for label in p_label:15         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。

基于SVM的python简单实现验证码识别