基于SVM的验证码破解程序

# captchacker2 一个基于SVM的验证码破解程序 ##起因 弄这个项目的原因，是目前还没有发现一个比较好用的验证码识别模块，目前的验证码识别主要是基于google的光学字符识别Tesseract-OCR如[PyOCR](https://github.com/jflesch/pyocr),识别精度有限，对于一些复杂的验证码无法识别 ##目前主要工作 这个项目改造自https://code.google.com/p/captchacker/，原项目已停止更新 ##接下来的工作 1. 整理代码，使能够模块化，提供一个通用接口 2. 使用Python替换的原来C++，重写验证码分割及字符居中模块，做跨平台处理 3. 增加利用anti-captcha的人眼识别功能来提供训练数据 如果有其他疑问，请与我联系 tangxuguo#gmail.com,欢迎提交代码 ##环境搭建 运行环境（以下在ubuntu12.04 64位机器下测试） 安装libsvm sudo apt-get install python-libsvm 安装opencv sudo apt-get install libopencv-dev python-opencv 生成验证码pycaptcha 仿真这块用到了pycaptcha，这个是用来生成验证码的，这个模块已经停止更新，我下了一个版本，在python2.7上目前可用，请自行安装 svn co http://svn.navi.cx/misc/trunk/pycaptcha/ cd pycaptcha python setup.py install 然后把captchacker目录下的Fonts里的字体，拷到如下路径里面，否则pycaptcha无法识别,这个包需要依赖PIL sudo cp -r Fonts /usr/local/lib/python2.7/dist-packages/Captcha/data/fonts/ ##程序说明： ###使用方式 ##将用到的算法 + de_noise去噪 + color_filter颜色过滤 + edge_detection边缘检测 + floodfill油漆桶 + dynamic_programing动态规划 + Erosion腐蚀 + Dilation膨胀 + Pixels_projection像素投影(垂直和斜切) + svm支持向量机 + 干扰线检测（深度优先搜索和最短路径算法） 对于一些和文字颜色相同但是较为分散和单一的干扰像素点，我们可以用判断相邻像素的方法，对于每个点判断该点和相邻8个点的色差，若色差大于某个值，则+1，如果周围有超过6个点的色差都比较大，说明这个点是噪点。对于图像边界的一圈像素，周围没有8个像素，则统统清除，反正文字都在图片的中间位置。 对于1个像素粗细的干扰线，在字符为2个像素以上的时候，可以用去噪点算法作为滤镜，多执行几次，就可以完美的把细干扰线去掉。 种子填充算法可以方便的计算出任意色块的面积，对于没有粘连字符或者粘连但是字符每个颜色不一样的验证码来说，去除干扰色块的效果很好，你只需要大概计算一下最小的和最大的字符平均占多少像素，然后把这段区间之外像素数的色块排除掉即可。 ###模型训练流程 两种方式，采用自己的fonts训练，或者是采用原始网站验证码训练 ###算法识别流程 原始图片-》 彩色去噪（颜色过滤，去除背景）-》干扰线检测-》二值转换-》黑白去噪（统计邻域像素，统计轮廓像素）-》切割（种子填充，像素投影，动态规划，固定宽度扫描）-》标准化字符矫正-》SVM ##部分案例 难易程度 | 来源 | 例图 | 识别率 | 详细 ----- | ----- | ------ | ----- | ----- ★★☆☆☆ | [Egoshare] | <a href="http://www.egoshare.com/captcha.php"><img src="./samples/Egoshare1.jpg" height="32" align="absmiddle"/><img src="./samples/Egoshare2.jpg" height="32" align="absmiddle"/> </a>| 100% | 3位数字 ★★★★☆ | [baidu] | <a href="https://passport.baidu.com/cgi-bin/genimage?tcIcaptchaservice386535315269792b4177776c4e726f54354a7a4e387332396f4c4d4b446c437137436736656874415a422f64687642356f4134347150466551592b4961384b79496d35442f6d514157763645507332705a61545950736e5735556935342f50365879466d7830535a622f77522f6f3973775365304d454b6979744d3637766a755134504c5047762f396b304d4856417535534d424e3159716d6f366a2b6f73486a6d69566e31766d796b4d6e574453384663464131396438496c67566c317a65684a68614566616f4653364c4a465a576e4a6c362b657776444f73764a7a54316a4270744730426e7a4341756c2b57385a66705655486e484e5373514a6a72703170303130742f3376514b456866536b62665162465464562f3843566e38634866795577565775416753485a"><img src="./samples/baidu1.jpeg" height="32" align="absmiddle"/><img src="./samples/baidu2.jpeg" height="32" align="absmiddle"/> </a>| 50% | 4位数字加字母 ★★★★☆ | [sina] | <a href="https://mail.sina.com.cn/cgi-bin/imgcode.php?t=1435471782589"><img src="./samples/sina1.jpeg" height="32" align="absmiddle"/><img src="./samples/sina2.jpeg" height="32" align="absmiddle"/> </a>| 50% |数字加字母 ★★★★☆ | [sohu] | <a href="http://passport.sohu.com/captcha?time=0.8642809421289712"><img src="./samples/sohu1.jpeg" height="32" align="absmiddle"/><img src="./samples/sohu2.jpeg" height="32" align="absmiddle"/> </a>| 50% |数字加字母 ★★★★☆ | [QQ] | <a href="http://captcha.qq.com/getimage?aid=1007901&r=0.3246201630681753"><img src="./samples/QQ1.jpeg" height="32" align="absmiddle"/><img src="./samples/QQ2.jpeg" height="32" align="absmiddle"/> </a>| 50% |数字加字母 ★★★★☆ | [zhihu] | <a href="http://www.zhihu.com/captcha.gif?r=1435474138937"><img src="./samples/zhihu1.gif" height="32" align="absmiddle"/><img src="./samples/zhihu2.gif" height="32" align="absmiddle"/> </a>| 50% |数字加字母 ★★★★☆ | [jaccout] | <a href="https://jaccount.sjtu.edu.cn/jaccount/captcha"><img src="./samples/jaccout1.jpeg" height="32" align="absmiddle"/> </a><img src="./samples/jaccout2.jpeg" height="32" align="absmiddle"/> </a>| 50% |4-5字母 ★★★★☆ | [hotmail] | <img src="./samples/hotmail1.jpg" height="32" align="absmiddle"/><img src="./samples/hotmail2.jpg" height="32" align="absmiddle"/> | 10% | ###暂未识别，需要训练，在研究 <img src="./samples/1.png" height="320" align="absmiddle"/> <img src="./samples/2.png" height="320" align="absmiddle"/> <img src="./samples/3.png" height="320" align="absmiddle"/> <img src="./samples/4.png" height="320" align="absmiddle"/> 欢迎提交新的验证码类型 本项目仅供学术研究，请勿用于其他用途，使用本程序造成的后果请自负