首先，我對驗證碼做了初步的觀察分析。總結如下：

驗證碼中的字元位數始終為6位，並且是灰度影象；

字元之間的間隔看起來始終保持相同的間隔；

每個字元都是完全定義的；

影象有許多雜散的暗畫素，以及穿過影象的線條

我決定下載一個圖片驗證碼，並藉助 這款工具 以二進位制視覺化影象（0表示黑色，1表示白色畫素）。

我的觀察是正確的 – 影象尺寸為45×180，每個字元被分配一個30畫素的空間來擬合，從而使它們均勻間隔。

我將其包裝在一個迴圈中，寫了一個簡單的指令碼，從該站點獲取500個驗證碼影象，並將所有裁剪後的字元儲存到一個資料夾中。

第三次觀察 – 每個字元都有明確的定義。為了“清理”影象中的裁剪字元（刪除不必要的線和點），我使用了以下方法。

字元中的所有畫素都是純黑色(0)。我用了一個簡單的邏輯 – 如果它不是完全黑色的，就視為白色。因此，對於值大於0的每個畫素，將其重新分配為255。使用load()函式將影象轉換為45×180矩陣，然後對其進行處理。

pixel_matrix = cropped_image.load()
for col in range(0, cropped_image.height):
 for row in range(0, cropped_image.width):
 if pixel_matrix[row, col] != 0:
 pixel_matrix[row, col] = 255
image.save("thresholded_image.png"
 
)

為了更加清晰，我將程式碼應用至原始影象上。

原圖：

處理後：

可以看到處理後的影象中的非純黑畫素都已被移除，其中包括穿插影象的線條。

直到專案完成後，我才知道上述方法被稱為影象處理中的閾值處理。

第四次觀察 – 影象中有許多雜散畫素。

迴圈遍歷影象矩陣，如果相鄰畫素為白色，與相鄰畫素相對的畫素也為白色，且中心畫素為黑色的，則使中心畫素為白色。

for column in range(1, image.height - 1):
 for row in range(1, image.width - 1):
 if pixel_matrix[row, column] == 0 \
 and pixel_matrix[row
 
, column - 1] == 255 and pixel_matrix[row, column + 1] == 255 :
 pixel_matrix[row, column] = 255
 if pixel_matrix[row, column] == 0 \
 and pixel_matrix[row - 1, column] == 255 and pixel_matrix[row + 1, column] == 255:
 pixel_matrix[row, column] = 255

一個將按照字元排序的相似影象分組（約束條件：暗畫素數量，相似度>= 90 – 95 %）

一個從每個分組字元中獲得最佳影象

因此現在已生成了庫影象。將它們轉換為畫素矩陣，並將“點陣圖”儲存為JSON檔案。

最後，這是解決任何新的驗證碼影象的演算法。

使用相同的演算法減少新影象中不必要的干擾

對於新驗證碼影象中的每個字元，通過我生成的JSON點陣圖強制執行。根據對應的暗畫素匹配來計算相似度。

這意味著，如果一個畫素為暗畫素，在影象中的位置為（4,8），並且如果該畫素在我們的骨架影象/點陣圖中的相同位置處為暗畫素，則計數值會遞增1。

該計數與骨架影象中暗畫素的數量相比，用於計算百分比匹配。

選擇匹配率最高的字元。

import json
 characters = "123456789abcdefghijklmnpqrstuvwxyz"
 captcha = ""
 with open("bitmaps.json", "r") as f:
 bitmap = json.load(f)
 for j in range(image.width/6, image.width + 1, image.width/6):
 character_image = image.crop((j - 30, 12, j, 44))
 character_matrix = character_image.load()
 matches = {}
 for char in characters:
 match = 0
 black = 0
 bitmap_matrix = bitmap[char]
 for y in range(0, 32):
 for x in range(0, 30):
 if character_matrix[x, y] == bitmap_matrix[y][x] and bitmap_matrix[y][x] == 0:
 match += 1
 if bitmap_matrix[y][x] == 0:
 black += 1
 perc = float(match) / float(black)
 matches.update({perc: char[0].upper()})
 try:
 captcha += matches[max(matches.keys())]
 except ValueError:
 print("failed captcha")
 captcha += "0"
 print captcha

最終得到的結果如下：

可以看到驗證碼被成功識別為Z5M3MQ！

總結

這個專案對於我本人而言，也是一次非常好的學習經歷。我還開發了一個 Chrome外掛，目前有1800+的使用者，歡迎大家安裝使用！此外，如果你有任何的意見和建議也歡迎向我提出。以上的程式碼我已託管在GitHub，你可以 在這裡找到 。

歡迎加入我的千人交流答疑群：125240963