在上一節中，我們使用了google的開源ocr庫來對字元進行識別，這一節以及下一節我們將要使用機器學習演算法來識別驗證碼。本節的**都在可以找到。
在每次重新整理的時候，會有以上這兩種驗證碼出現。在本節中，為了方便學習k近鄰演算法（簡稱為：knn），選擇第二種來進行破解，因為第二種的字母分割十分容易，每個字母的位置都是固定的。
# coding:utf-8
import requests
import uuid
from pil import image
import os
url = ""
for i in range(100):
resp = requests.get(url)
filename = "./captchas/" + str(uuid.uuid4()) + ".png"
with open(filename, 'wb') as f:
for chunk in resp.iter_content(chunk_size=1024):
if chunk: # filter out keep-alive new chunks
f.write(chunk)
f.flush()
f.close()
im = image.open(filename)
if im.size != (48, 20):
os.remove(filename)
else:
print filename
也就是說，需要找到要識別的字母在訓練樣本中k個最近的字母，然後找出這k個字母中最多的是某個類的？要識別的也就是該類的。
首先，先定義一下距離如何計算，這裡可以用各種數學上的距離，歐式距離、馬氏距離等等。。
由於我們的已經進行了二值化，為了簡便起見，這裡把兩張的距離定義為：兩張灰度不同的畫素點個數。也就是逐個比較的相對位置上的灰度值，如果不相同，距離就加一。
int
count_distance
(mat mat1, mat mat2)}}
return distance;
}
載入樣本資料：
void
load_dataset
(mat dataset)
}
void
create_labels
(int labels)
}
1、計算輸入和所有其他的距離
int distances[6*10];
int sorted_distances[6*10];
//count distances
for(int i = 0; i < 6*10 ;i++)
sort(sorted_distances, sorted_distances+6*10);int* k_nearest = new
int[k];
for(int i = 0; i < k; i++)}}
map
labels_map;
for(int i = 0; i < k; i++)
int max_label = -1;
labels_map[max_label] = -1;
map::iterator it;
for(it=labels_map.begin();it!=labels_map.end();++it)
}delete k_nearest;
return max_label;
void
recognize
(string path, mat dataset, int labels)
; cout
<
for(int i = 0; i < 4; i++)
cout
<
}
識別結果:
驗證碼破解技術四部曲之使用K近鄰演算法（三）
在上一節中，我們使用了google的開源ocr庫來對字元進行識別，這一節以及下一節我們將要使用機器學習演算法來識別驗證碼。本節的 都在可以找到。在每次重新整理的時候，會有以上這兩種驗證碼出現。在本節中，為了方便學習k近鄰演算法 簡稱為 knn 選擇第二種來進行破解，因為第二種的字母分割十分容易，每個...
MySQL學習四部曲
網際網路時代，關聯式資料庫中mysql的使用最為廣泛，從而造就了大量的mysql從業人員。曾經使用oracle的網際網路巨頭阿里系也進行了去ioe化，也影響了更多的人想去學習mysql,從事mysql方面的工作。我是從四年前開始接觸mysql的，從之前的工程師工作，到現在的架構工作，再到偶爾的dba...
MySQL學習四部曲
互聯 網時代，關聯式資料庫中mysql的使用最為廣泛，從而造就了大量的mysql從業人員。曾經使用oracle的網際網路巨頭阿里系也進行了去ioe化，也影 響了更多的人想去學習mysql,從事mysql方面的工作。我是從四年前開始接觸mysql的，從之前的工程師工作，到現在的架構工作，再到偶爾的 d...