年前寫了驗證碼上篇，本來很早前就想寫下篇來着，只是過年比較忙，還有就是驗證碼破解比較繁雜，方法不同，正確率也會有差異，我一直在找比較好的方案，但是好的方案都比較專業，設涉及到了圖形圖像處理這些，我也是一知半解，所以就耽誤了下來，在此對一直等待的同學說聲抱歉。有興趣的同學可以自行看看這方面的資料。因為我們都是入門，這次就以簡單點的驗證碼為例，講述下流程。廢話不多說，正式開始。
1.)獲取驗證碼
在上節，我們已經講述了獲取驗證碼的方法，這里不作贅述。下面是我獲取到的另一個網站的驗證碼（最后我會放一個驗證碼的壓縮包，想要練習的同學可以下載下來，尋找准確率更高的方案）。
2.)分析驗證碼
a.)分析樣本空間
從上面的驗證碼可以看出，圖片上總共有5個字，分別是操作數1、操作符、操作數2、"等於"。所以我們提取的話，只有前三個字是有效字。同時操作數的取值范圍（0~9），操作符的取值為（加、乘）。所以總共有12個樣本空間，操作數有10個，操作符有兩個。
b.)分析提取范圍
windows用戶可以用系統自帶的畫板工具打開驗證碼，可以看到如下信息。
首先可以看到，驗證碼的像素是80*30，也就說橫向80像素，縱向30像素，如果給它畫上坐標系的話，坐標原點（0,0）為左上方頂點，向右為x軸（0=<x<80）,向下為y軸（0=<y<30）。(10,17)是當前鼠標（圖片中的十字）所在位置的坐標，這個可以幫助我們確定裁剪的范圍。我用的裁剪范圍分別是：
操作數1和操作數2的大小做好保持一致，這樣可以使兩個操作數共用樣本數據。region = (3,4,16,17) 其中（3,4）代表左上頂點的坐標，（16,17）代表右下頂點的坐標，這樣就可以構成一個矩形。大小為（16-3，17-4）即寬和高均為13像素的矩形
3.)處理驗證碼（這里我用的是python的"PIL"圖像處理庫）
a.)轉為灰度圖
PIL 在這方面也提供了極完備的支持，我們可以：
img.convert("L")
from PIL import Image image = Image.open("H:\\authcode\\origin\\code3.jpg") imgry = image.convert("L") imgry.show()
運行結果：
然后二值化：
from PIL import Image image = Image.open("H:\\authcode\\origin\\code3.jpg") imgry = image.convert("L") # imgry.show() threshold = 100 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) out = imgry.point(table,'1') out.show()
運行結果：
這個時候就是比較純粹的黑白圖了。
代碼說明：
a).threshold = 100這個是一個閾值，具體是多少，看情況，如果比較專業的可以根據圖片的灰度直方圖來確定，一般而言，可以自己試試不同的值，看哪個效果最好。
b).其他的函數都是PIL自帶的，有疑問的可以自己找資料查看
b.)圖片裁剪
代碼如下：
from PIL import Image image = Image.open("H:\\authcode\\origin\\code3.jpg") imgry = image.convert("L") # imgry.show() threshold = 100 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) out = imgry.point(table,'1') # out.show() region = (3,4,16,17) result = out.crop(region) result.show()
運行結果：
更改region的值就可以裁剪到不同的圖片，然后對其進行分類。我是把每個數字都不同的文件夾里，結果如下：
4.)提取特征值
提取特征值的算法就是因人而異了，這里我用的是，對每個分割后的驗證碼，橫向畫兩條線，縱向畫兩條線，記錄與驗證碼的交點個數（很尷尬的是我這個方案，識別率不高，這里意思到了就行了，大家懂的）。
就是這么個意思。這四條線的表達式為：(橫線)x=3和x=6,(豎線)y=2，y=11
代碼如下：
def yCount1(image): count = 0; x = 3 for y in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count def yCount2(image): count = 0; x = 6 for y in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count def xCount1(image): count = 0 y = 2 for x in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count def xCount2(image): count = 0 y = 11 for x in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count
把（0~9）這10個數字取特征值之后就得到如下圖的結果：
2:5:3:3-0 2:2:2:3-0 5:2:2:4-0 2:2:2:0-0 2:4:2:0-0 6:2:3:3-0 0:3:3:2-0 2:5:3:3-0 2:1:3:5-1 2:1:3:5-1 1:6:3:4-1 1:8:3:2-1 1:8:3:3-1 1:6:3:4-1 1:5:3:3-1 1:3:3:5-1 2:1:3:5-1 1:6:3:3-1 1:7:3:2-1 1:5:3:3-1 1:7:3:4-1 1:8:3:2-1 2:1:2:5-1 2:1:1:2-1 1:8:3:2-1 2:1:2:5-1 1:7:0:1-1 2:1:2:5-1 6:1:2:1-1 0:6:3:1-1 0:6:2:1-1 1:7:2:1-1 5:1:2:3-1 1:3:3:5-1 2:7:2:2-1 6:1:2:1-1 2:1:2:3-1 5:1:1:0-1 1:6:3:3-1 1:7:3:2-1 1:7:3:4-1 5:1:2:3-1 2:1:1:1-1 1:6:0:1-1 4:1:2:3-1 1:1:2:4-1 5:1:2:1-1 0:5:2:2-1 2:1:2:4-1 1:5:3:5-1 5:1:3:3-1 1:8:3:2-1 1:5:3:3-1 2:1:2:5-1 2:1:1:2-1 2:1:2:5-1 2:1:2:5-1 2:1:2:5-1 2:1:2:5-1 1:8:3:2-1 2:1:2:5-1 1:5:3:3-1 2:1:3:5-1 3:2:2:2-2 4:1:1:1-2 3:3:2:6-2 3:3:4:4-2 2:3:2:3-2 3:3:2:6-2 2:3:3:3-2 2:3:3:3-2 3:5:3:6-2
最后一個數字代表這個特征值的結果，比如3:5:3:6-2，代表如果一個圖片滿足3:5:3:6，那么我們就認為這個圖片上的值為2
這樣是有誤差的
首先，存在一個特征值同時輸入多個數字，比如，1:2:3:4可能輸入2，也可能輸入3，這個時候就會出現誤差。（解決方案：取出現頻率最高的結果，但是也會有誤差）
其次，可能存在一個特征值不在我們的樣本空間。（解決方案：擴大樣本空間）
5.)驗證
完成以上幾部，就可以進行破解測試了。
代碼如下（crackcode是我自己寫的函數）：
附錄：
crackcode.py
#encoding=utf8 import checknumber import splitImage import checkoperation def getCodeResult(image): image1 = splitImage.getNumImage(image,1) image2 = splitImage.getNumImage(image,2) image3 = splitImage.getNumImage(image,3) num1 = checknumber.getnum(image1) num2 = checknumber.getnum(image2) operation =checkoperation.getoperation(image3) # print `num1`+":"+`operation`+":"+`num2` if(int(operation) != 2): result = int(num1) + int(num2) else: result = int(num1) * int(num2) return result
checknumber.py
#encoding=utf8 from PIL import Image import test import collections f = open("../src/school") lines = f.readlines() ips={} for i in range(0,len(lines)): ips[i] = lines[i] def getnum(image): # newimage = test.handimage(image) newimage = image result = `test.yCount1(newimage)`+":"+`test.yCount2(newimage)`+":"+`test.xCount1(newimage)`+":"+`test.xCount2(newimage)` result_ips = [] for x in range(len(ips)): if(ips[x].find(result)>-1): result_ips.append(ips[x].strip("\n").split('-')[1]) d = collections.Counter(result_ips) if(len(d.most_common(1))==0): return -1 else: return d.most_common(1)[0][0]
splitImage.py
#encoding=utf8 from PIL import Image def getNumImage(image,type): imgry = image.convert("L") threshold = 100 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) out = imgry.point(table,'1') if(type == 1):#操作數1 region = (3,4,16,17) result = out.crop(region) return result elif(type == 2):#操作數2 region = (33,4,46,17) result = out.crop(region) return result else:#操作符 region = (18,4,33,17) result = out.crop(region) return result return result
checkoperation.py
#encoding=utf8 from PIL import Image import test import collections f = open("../src/operation") lines = f.readlines() ips={} for i in range(0,len(lines)): ips[i] = lines[i] def getoperation(image): # newimage = test.handimage(image) newimage = image result = `test.yCount1(newimage)`+":"+`test.yCount2(newimage)`+":"+`test.xCount1(newimage)`+":"+`test.xCount2(newimage)` result_ips = [] for x in range(len(ips)): if(ips[x].find(result)>-1): result_ips.append(ips[x].strip("\n").split('-')[1]) d = collections.Counter(result_ips) if(len(d.most_common(1))==0): return -1 else: return d.most_common(1)[0][0]
test.py
#encoding=utf8 from pytesseract import * from PIL import Image def handimage(image): height = image.size[1] width = image.size[0] # print height,width for h in range(height): for w in range(width): pixel = image.getpixel((w,h)) if(pixel<127): image.putpixel((w,h),0) else: image.putpixel((w,h),255) for h in range(height): for w in range(width): pixel = image.getpixel((w,h)) # print pixel return image def yCount1(image): count = 0; x = 3 for y in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count def yCount2(image): count = 0; x = 6 for y in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count def xCount1(image): count = 0 y = 2 for x in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count def xCount2(image): count = 0 y = 11 for x in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count
operation和school分別為操作數和操作符的樣本空間，可以自己獲取。
驗證碼樣本放在百度雲了，500條：
鏈接：http://pan.baidu.com/s/1hrv5w7y 密碼：igo6
至此，破解驗證碼的流程就結束了。
說明：
a).代碼僅供學習交流
b).如有錯誤，多多指教
c).轉載請注明出處