[发明专利]一种针对中文字符验证码的二值化和分割方法

说明书

本发明涉及一种针对中文字符验证码的二值化和分割方法，目的在于对中文字符图像进行有效的前背景分割。本方法主要利用了高斯平滑滤波、形态学重建与Mean Shift聚类方法，首先，对图像进行灰度化以及除噪。对获取到的验证码图像进行灰度化，并针对图像噪声情况应用不同去噪方法，得到适合识别文字的字符图像。其次，对图像进行二值化，将前景的字符和背景分割开，进而定位表示字符的像素点。再次，对字符点进行聚类。对原始图像中的字符像素点应用Mean Shift聚类方法，得到这些字符的聚类。经过聚类调整后，处于同一聚类点的字符像素点将看作是表示同一字符。由此得到验证码图像中的每一个字符的像素点表示，即字符分割完毕。

技术领域

本发明涉及一种过滤二维字符验证码中背景噪声的方法，更具体地说，是一种针对中文字符验证码的二值化和分割方法。

背景技术

字符验证码被广泛应用于互联网服务中，作为判断网络请求是否来自合法用户的工具，从而防范机器的大量自动请求，保障网站服务器的稳定运行。字符验证码是目前最常被使用的一类验证码。该类验证码通常需要用户完成一个文字识别任务，用户需要正确识别出由计算机图像技术生成的字符图像中的各个字符以通过验证。为了提高机器识别验证码的难度，该类验证码的图像中通常会伴随有噪点、干扰线等作为干扰，字符本身通常会经过旋转、对称、仿射等变换。此外，一些验证码开始采用中文字符作为待识别字符。由于中文字符的笔划较多，线条结构较为复杂，使得传统方法难以有效地将字符前景与干扰背景分割开来。

字符类验证码识别的一般流程为：获取图像，图像预处理，字符分割，字符特征提取，字符识别。其中，验证码图像的预处理主要是对图像进行前背景分割：噪点、干扰线等被分为背景，进而将其过滤掉；字符被分为前景，以备特征提取和识别。

现有的字符类验证码识别中，预处理时通常借助大津法得到全局二值化阈值。这种方法不适用于存在背景渐变的验证码。此外，现有的识别方法对字符的分割主要采用竖直投影方法、基于连通区域分析的方法等。基于竖直投影的方法基于验证码中字符呈水平分布这一假设对图像进行字符分割。如果验证码中字符之间存在较密集的粘连，或是字符的分布不是水平时，这种方法很难从统计出的垂直投影直方图中估计出字符间隙，最终无法有效分割字符。基于连通区域分析的方法利用验证码中同一字符笔画的连通性，对图像进行字符分割。这种方法不适合分割中文字符验证码，汉字字符中，一个字符可能包含多个连通域。

发明内容

本发明的目的在于提供一种针对中文字符验证码的二值化和分割方法，利用高斯平滑滤波、形态学重建与Mean Shift聚类方法，能够对中文字符图像进行有效的前背景分割。

为实现上述目的，本发明采用如下技术方案：

一种针对中文字符验证码的二值化和分割方法，具体操作步骤如下：

(1)对获取到的原始验证码图像灰度化；

(2)对灰度图像进行去噪和二值化；去噪时，针对不同图像噪声情况应用不同去噪方法；

(3)定位前景字符点；统计前景、背景像素点数量，取数量较多的一类为背景点，数量较少的一类为前景点；

(4)对字符点进行聚类；针对待识别验证码图像的特点，选择不同的数据维度利用Mean Shift方法进行聚类；

(5)聚类调整：聚类后，对于分布比较分散的聚类，进一步对其进行聚类，得到更小更紧密的聚类；经过聚类调整后，处于同一个聚类点的字符像素点将看作是表示同一个字符，由此得到验证码图像中的每一个字符的像素点表示，即字符分割完毕。

所述步骤(2)中的针对不同图像噪声情况应用不同去噪方法，具体为：如果干扰线较粗或较密，或是验证码背景存在渐变，则运用核大小为1.0的高斯平滑和形态学重建方法；如果图像中字符与背景颜色对比度不强，则运用核大小为0.3的高斯平滑和形态学重建方法；如果干扰线较少，且背景无渐变，字符和背景对比度较高，则不进行去噪。