人工神经网络_验证码破译(数据挖掘入门与实践-实验9)

原创

于 2022-03-27 14:01:57 发布 · 798 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#数据挖掘 #人工神经网络

本文介绍了一种验证码识别系统，包括图像生成、字符分割、数据集创建等步骤，并通过神经网络进行训练与评估。针对存在的问题，如字符倾斜识别不准确等进行了优化。

文章目录

一、待优化
二、代码

一、待优化

1、字符串切割步骤中segment_image函数只能沿着x, y轴切割，导致预测结果对shear值十分敏感，可另寻切割函数以提高预测正确率

二、代码

单字母预测

1、验证码图像生成

import numpy as np
from PIL import Image, ImageDraw,ImageFont
from skimage import transform as tf

#验证码生成
def create_captcha(text, shear=0, size=(100, 30),scale=1):
    im = Image.new("L", size, "black") 
    draw = ImageDraw.Draw(im)
    font = ImageFont.truetype(r"bretan/Coval-Black.otf",22)
    draw.text((0,0),text,fill=1,font=font)
    image = np.array(im)
    affine_tf = tf.AffineTransform(shear=shear) 
    image = tf.warp(image, affine_tf) 
    image = image / image.max()
    shape = image.shape
    shapex,shapey = (int(shape[0]*scale),int(shape[1]*scale))
    image = tf.resize(image,(shapex,shapey))
    return image

#验证码显示
%matplotlib inline
from matplotlib import pyplot as plt
image = create_captcha("GENE", shear=0.2,size=[len(str)*25,30]) 
plt.imshow(image, cmap='Greys')

2、字符串切割

##########图像切割
from skimage.measure import label,regionprops
#分割函数
def segment_image(image):
    #找出连通像素 连通区域标记
    #缺陷：只能返回方块，字体倾斜时效果变差
    labeled_image=label(image>0)
    #图像抽取 && 遍历
    subimages=[]
    for region in regionprops(labeled_image):
        start_x, start_y, end_x, end_y = region.bbox
        subimages.append(image

最低0.47元/天解锁文章