用 Python 处理这种验证码有没好的点子？

[snoopy1024]

验证码

验证码字符只有 英文加数字； 我的思路：转为灰度，二值化处理，除去干扰横线（正在做），然后用 pytesseract 识别。干扰线除去有点儿复杂 正在做还不知道识别率有多大...

干掉干扰线 你们有没有啥头绪？ 干扰线纵向都是 3 个像素，我目前的想法就是：纵向检测 3 像素的黑线

这是简单处理后的 还没有解决干扰线

[snoopy1024]

@SeaRecluse 老哥 求个链接

[sigmaxp]

把高为 3 个像素的黑点都去掉，然后正常的字母中间会有白色的空白线，然后在把上线都有黑色像素点且空白宽度为 3 的空白像素点置为黑色，这样字母部分就补齐了。不知道行不行

[crawl3r]

pytesseract 不能识别这种会变形的文字，所以还是上 cnn 吧

[Marsss]

好的点子就是悬赏。。。出个 500、800 的，问题就解决了。。。

[Destiny97]

腐蚀再膨胀说不定能去掉

[loryyang]

有个问题，你能写出生成这种验证码的代码吗？可以的话，就可以用 CNN 开心的训练了
数据量足够的话，这种的 case 肯定能解决的

[loryyang]

https://github.com/CharlesLiuyx/verificationCode

[kuangwinnie]

@snoopy1024 那我就爱莫能助了

[Marsss]

你或许需要一些 hacker 思维，寻找干扰线与正常字符之间的差别规律，然后针对这个规律写处理代码。其实还挺有意思的，这是测试效果：





只要能做到有效分割，也就基本意味着破解成功了，分割之后大概只需要标注 100 张左右，这点体力活比起直接用 CNN 撸（需要标注上万张）还是很容易接受的，后面再随便在 sklearn 里挑一个算法来训练就行了。

[Marsss]

对了，对于你这种验证码，如上图连在一起的，直接从中间分开就行了，不会差很多，对于单个字符，只要你人能认出来，多层感知器训练后认出来没问题。大不了就跳过，从新刷新一张。识别成功率能到 50%就能用了。

[ChangHaoWei]

@Marsss 思路很棒，谢谢