Python识别字符型图片验证码

前言

　　验证码是目前互联网上非常常见也是非常重要的一个事物，充当着很多系统的 防火墙 功能，但是随时OCR技术的发展，验证码暴露出来的安全问题也越来越严峻。本文介绍了一套字符验证码识别的完整流程，对于验证码安全和OCR识别技术都有一定的借鉴意义。

　　GitHub上有大神总结的非常好的源码及博客，链接如下

GitHub：

• https://github.com/zhengwh/captcha-svm
• https://github.com/zhengwh/captcha-tensorflow

博客：http://blog.topspeedsnail.com/archives/10858

 

本文需要的依赖：

 

• python3.5
• PIL
• libsvm

 

破解验证码的基本流程：

1. 准备原始图片素材
2. 图片预处理
3. 图片字符切割
4. 图片尺寸归一化
5. 图片字符标记
6. 字符图片特征提取
7. 生成特征和标记对应的训练数据集
8. 训练特征标记数据生成识别模型
9. 使用识别模型预测新的未知图片集
10. 达到根据“图片”就能返回识别正确的字符集的目标

 

正文

第一步：准备素材

　　验证码图片如下：

　　

真正的破解程序需要准备大量的素材，然后在进行大量的训练后才可达到相对高的识别度

def downloads_pic(**kwargs):
    pic_name = kwargs.get('pic_name', None)

    url = 'http://xxxx/rand_code_captcha/'
    res = requests.get(url, stream=True)
    with open(pic_path + pic_name+'.bmp', 'wb') as f:
        for chunk in res.iter_content(chunk_size=1024):
            if chunk:  # filter out keep-alive new chunks
                f.write(chunk)
                f.flush()
        f.close()
#循环执行N次，即可保存N张验证素材了。

抓取大量验证码素材的代码