验证码破解技术四部曲之使用Tesseract(二)

代码下载

本节的代码可以通过此处进行下载。

图像直方图

首先看验证码的样子,

test1 test2 test3

可以看到这几个验证码最大的特点就是字母比较深,而周围的背景很浅,把图像转换成黑白颜色,可以显示的更加的明显。

//按黑白读取图像
Mat mat = imread(“test1.jpg”, 0);
cv::imshow(“initial_mat”, mat);
cv::waitKey(0);

test1_gray

可以看到所有背景的灰度值,都会小于字母的灰度值,为了让tesseract更准确的识别,可以把图像进行二值化,也就是把背景都改成纯白色,把字母都搞成纯黑色。那么如何确定分割的阈值呢?比较好的方法是画出图像的直方图。

//画出直方图
Histogram1D histogram1d;
cv::imshow(“histogram1d”, histogram1d.getHistogramImage(mat));
cv::waitKey(0);

histogram1d

直方图的横坐标代表灰度值,纵坐标代表指定灰度值的点数。

图像阈值

接下来,开始对图像进行阈值,这里选择的灰度值位150,灰度下于150的设置为白色,灰度大于150的设置为黑色。

//阈值
Mat threshold_mat;
cv::threshold(mat, threshold_mat, 150, 255, cv::THRESH_BINARY);
cv::imshow(“threshold_mat”, threshold_mat);
cv::waitKey(0);

threshold_mat

Tesseract识别

把图片进行阈值后,就可以进行识别了,直接调用tesseract的API就好了。

//使用tesseract识别
char buffer[255];
OCRDecoder decoder;
decoder.decodeGrayMat(threshold_mat, buffer);
cout<<“result:”<<buffer<<endl;

运行程序,可以看到识别出了结果:

result

By |2017-08-08T09:24:39+08:002017-8-8|未分类|验证码破解技术四部曲之使用Tesseract(二)已关闭评论