圖像處理與機器學習（驗證碼的識別）

這個東西，從放寒假的前一天，老師叫我作起，已經快2個月了，開學一個星期後，在陳老師的督促下，算是作的差很少了。

這個的應用領域主要是自動化程序，驗證碼能夠說是網絡安全的一道防火牆，自動化程序的難點。

可是，對於這個圖像識別這個技術來講，還遠遠不夠，至於應用的角度，更是狹窄，所以這不是一個終點，偏偏是一個起點。

 

機器學習有監督學習和無監督學習兩種；我這裏是監督學習，固然就得我手動的寫每一張驗證碼的正確值了。

 

語言:　　 python

工具：　  opencv

 

整體思路：樣本學習，測試；

一、樣本學習：

• 　　首先要對樣本去噪，去噪將干擾線刪除，對於一個像素點來講，他的四周的其他的點，有5個，或者較多的像素點是空白，那麼將能夠判斷他是噪點，而將他刪除掉。
• 　　扭曲矯正，我這裏的扭曲矯正，是片面的，真正是很難有較好的效果，對於不一樣的驗證碼，有不一樣的特色，有一些驗證碼的產生，就有這樣的特色，角落處，有陰影，這使得字符有扭曲，根據這裏，來實現不一樣程度的扭曲矯正。
•       切割圖像，將每一個字符切割下來，這裏也是相對的了，粘連較嚴重即將影響字符的正確。
•       二進制化圖像，是字符的地方是0，沒有的地方是1（這裏相反沒有問題）。生成訓練集。
•       訓練模型製做，字符，二進制的像素點，joblib持久化保存，將模型保存到本地，進行預測，速度更快。
•       經過隨機森林算法將樣本數據訓練。

二、測試：

• 　　測試的步驟和學習的步驟相似。
•       經過訓練模型獲得的分類結果計算正確率。
  
  

最後識別率在100%