[发明专利]字符粘连的图形验证码识别方法

说明书

技术领域

本发明涉及一种验证码识别方法，尤其涉及一种字符粘连的图形验证码识别方法。

背景技术

验证码的出现是为了防止某些恶意程序对网站的破坏，如批量注册、批量发帖、同时也防止那些爬虫程序无视规则进行资源抓取。所谓验证码就是将一组随机数字或符号生成一幅图片，并在图片中加入一些干扰元素，用户在提交表单的时候，需要识别并填写验证码，只有在后台核对验证码成功后才能成功提交表单，而这个过程正是机器程序不容易模拟的，那些粘连字符更是让机器程序难以识别，从而在一定程度上起到了保护网站免受恶意程序攻击目的。

因此。验证码给网站带来安全的同时，也给某些从事网络抓取工作的人们带来了一定的不便，验证码识别算法正是为解决此问题。

关于ImageMagick描述，ImageMagick是一套功能强大、稳定而且开源的工具集和开发包，可以用来读、写和处理超过89种基本格式的图片文件，包括流行的TIFF、JPEG、GIF、 PNG、PDF以及PhotoCD等格式。利用ImageMagick，你可以根据web应用程序的需要动态生成图片, 还可以对一个（或一组）图片进行改变大小、旋转、锐化、减色或增加特效等操作，并将操作的结果以相同格式或其它格式保存，对图片的操作，即可以通过命令行进行，也可以用C/C++、Perl、Java、PHP、Python或Ruby编程来完成。同时ImageMagick提供了一个高质量的2D工具包，部分支持SVG。ImageMagic的主要精力集中在性能，减少bug以及提供稳定的API和ABI上。

并且，ImageMagick 是一个用来创建、编辑、合成图片的软件。它可以读取、转换、写入多种格式的图片。图片切割、颜色替换、各种效果的应用，图片的旋转、组合，文本，直线，多边形，椭圆，曲线，附加到图片伸展旋转。ImageMagick是免费软件：全部源码开放，可以自由使用，复制，修改，发布。支持大多数的操作系统。

关于Tesseract-ocr，Tesseract 是一款开源的光学字符串识别（OCR）项目，能够识别图像验证码。比如存在一个格式为TIF的文字图，Tesseract能够识别出该图片中的文字，将识别到的文字写入到一个文本文件中，识别效果很不错。如果想要识别不同语言的文字图像，需要下载响应的支持包，才能让Tesseract识别更多格式的图像。Tesseract项目地址可以通过下载开源发行包，或者到该项目网站了解更多信息。

关于图像二值化，一般图片都是彩色的，按照逼真程度，可能很多级别。为了降低计算复杂度，方便后续的处理，如果在不损失关键信息的情况下，能将图片处理成黑白两种颜色，那就最好不过了。

关于模式识别，对事物或者现象的某种表示方式(数值，文字，我们这里主要想说的是数值)，通过一些处理和分析，来描述，归类，理解，解释这些事物，现象及其某种抽象。

关于图像锐化(image sharpening)，其为补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，亦分空域处理和频域处理两类。

发明内容

本发明的目的就是为了解决现有技术中存在的上述问题，提供一种字符粘连的图形验证码识别方法。

本发明的目的通过以下技术方案来实现：

字符粘连的图形验证码识别方法，其特征在于包括以下步骤：步骤①，使用中值滤波去除图像中的噪点。步骤②，使用门限算法，选择适当的阀值，将图像进行二值化处理。步骤③，分析图像的二值化矩阵，根据图像的垂直投影，获取验证码内容的宽度，并根据验证码个数，算出验证码的平均宽度。 步骤④，分析图像的二值化矩阵，通过图像的垂直投影或是边缘检测，将未粘连的验证码字符提取出来。步骤⑤，分析图像的二值化矩阵，根据图像的水平投影，计算出图像的水平中轴线、字符的高度，按字符的平均宽度，将水平中轴线进行等分，对粘连字符进行均分，分割线分别与水平中轴线的等分点相交，分割出若干角度，保存分割完的字符。步骤⑥，将分割完的字符图像进行锐化。步骤⑦，根据切割字符的特征，训练模式识别软件。步骤⑧，使用模式识别软件，对分割后的字符进行识别，最后根据概率，以识别最多或概率最高的字符为识别结果。

上述的字符粘连的图形验证码识别方法，其中：所述步骤②的计算过程为，将图像二值化之后，会生成一个二值化矩阵，二值化矩阵为图像的像素点，每个像素点映射成矩阵里面的一个值，将矩阵垂直像素信息进行累加，既像素点不为空白+1，像素点为空白+0，最终求出图像的垂直投影，通过垂直投影，判断图片文字内容的宽度与文字之间的间隙。