預處理：
2.膨脹：胖一圈
3.腐蝕：瘦一圈
去燥：
1.噪點： 直接判斷周圍8個點有沒有畫素，沒有就置為白
3.噪線：（和背景顏色差不多一樣的噪線）但是噪線的所有畫素點的rgb值一樣，就用連通域方法用cfs將噪線顏色的連通域都染出來再去除
***個人心得：
對於去燥這一步工作，我認為還是應該對於不同的驗證碼有不同的造作方法，在破解的工作中要多觀察，只要找出特點，就可以擊破，不論是外觀顏色上的，還是內部rgb值方面的，還是相鄰畫素方面的。
分割：
1.直接顏色填充：對於不黏連的驗證碼，包括注入填充區域演算法，種子填充演算法，掃瞄線填充演算法，邊填充演算法等
2.平均切分：適用於驗證碼中每乙個字元的大小較均勻，對於部分粘連，也可顏色填充和平均切分結合起來使用
3.投影切分法：就是在某一方向上計算每一行的畫素點個數通常採用垂直投影和水平方向的投影，也可顏色填充和投影結合起來使用，投影適用於通過噪線相粘連的驗證碼，也就是連線處的畫素點較少，若鏈結緊密，投影法不可行。
4.字元特徵切分法：eg.8，b都是有上下兩個閉環結構的字元, m在下方加上基線後有左右結構兩個閉環，該方法特徵難以歸納，破解過程繁瑣，針對性強。
5.粘連： 單字元分割後，直接用cnn進行識別，效果較好
6.移位： 單字元分割後，直接用cnn進行識別，效果較好
7.扭曲： 單字元分割後，直接用cnn進行識別，效果較好
識別：
1.模板匹配：（利用一些分類器）
***knn
***svm
2.機器學習：
***卷積神經網路cnn
***bp神經網路：bp演算法有兩部分組成：資訊的正向傳輸，誤差的反向傳播，在正向傳播過程中資訊從輸入層輸入，輸入到某隱層，該隱層計算後將該隱層輸出向後面的隱層傳輸，逐層傳向輸出層，每一層的輸出作為後面隱層的輸入。最後的輸出層的輸出結果和期望的輸出比較，計算誤差，在反向向前傳播，通過網路將誤差訊號沿原來的連通通路反傳回來修改各層神經元的權值直至達到期望的目標。
驗證碼降噪方法彙總
0.bmp.getpixel i,j toargb color.black.toargb 判斷畫素點顏色是否為黑色。1.這是乙個c 中講bitmap物件方法的博文 經過這幾天的研究想總結下驗證碼預處理的一些方法 驗證碼預處理方法主要有 0.0 上下腐蝕 對於斜線效果比較好，是橫線用水平腐蝕，豎線用垂...
驗證碼處理
雲打碼平台處理驗證碼的實現流程 雲打碼平台處理驗證碼的實現流程 1.對攜帶驗證碼的頁面資料進行抓取 3.可以將驗證碼提交給三方平台進行識別，返回驗證碼上的資料值 雲打碼平台 1.在官網中進行註冊 普通使用者和開發者使用者 2.登入開發者使用者 2.建立乙個軟體 我的軟體 新增新的軟體 3.使用示例 ...
opencv 處理驗證碼
opencv 官方有python27的支援 以pyd的形式 還有非官方支援opencv python opencv contrib python 有一些非開源的演算法實現 支援python3和python2 1.2.1 可以根據cmake構建專案 1.2.2完全手動構建專案 windows vs 安...