Recognize captcha by machine learning. 机器学习识别图片验证码

# Decaptcha English version Readme is available [here](README-EN.md) . 通过简单的图像识别算法来完成验证码识别，打算把机器学习中的分类算法全部使用一遍。 ## 使用方法 1. 爬取验证码 2. 对图像做处理并切分 3. 手工标注数据 4. 导入训练集 5. 使用测试集 ## 前期准备 1. Image (图像处理库) - [jpeg](http://www.ijg.org/files/) - [zlib](http://www.zlib.net) - [PIL](http://effbot.org/imagingbook/introduction.htm#using-the-image-class) 2. numpy (数学处理库) 3. ImageEnhance (图像处理库) ```Python enhancer = ImageEnhance.Contrast(img) # 增加对比对 img = enhancer.enhance(2) enhancer = ImageEnhance.Sharpness(img) # 锐化 img = enhancer.enhance(2) enhancer = ImageEnhance.Brightness(img) # 增加亮度 img = enhancer.enhance(2) ``` ## 图像处理 ### 静态图片 1. 清除图片噪点 2. 清除图片干扰线 3. 切割图片 4. 信息输出 ### 动态图片 1. 按帧转存 GIF 2. 读取每个 GIF 的 Duration 属性 3. 找到 Duration 最长的图片，后同静态图片处理 ## 识别算法 ### KNN ```Python # kNN algorithm def classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] diffMat = tile(inX, (dataSetSize, 1)) - dataSet sqDiffMat = diffMat ** 2 sqDistances = sqDiffMat.sum(axis=1) distances = sqDistances ** 0.5 sortedDistIndicies = distances.argsort() classCount = {} for i in range(k): voteIlabel = labels[sortedDistIndicies[i]] # changed classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True) return sortedClassCount[0][0] ``` ### SVM 根据算法的性质，可以问题设定成一个二分类问题：识别数字1和2（当然也可以是其他的任意两个数字)。 ## 参考 - http://www.csie.ntu.edu.tw/~cjlin/libsvm/index.html?js=1#svm-toy-js - http://www.pami.sjtu.edu.cn/people/gpliu/document/libsvm_src.pdf - Machine Learning in Action ## License MIT