這個東西，從放寒假的前一天，老師叫我做起，已經快2個月了，開學一個星期后，在陳老師的督促下，算是做的差不多了。
這個的應用領域主要是自動化程序，驗證碼可以說是網絡安全的一道防火牆，自動化程序的難點。
但是，對於這個圖像識別這個技術來說，還遠遠不夠，至於應用的角度，更是狹窄，因此這不是一個終點，恰恰是一個起點。
機器學習有監督學習和無監督學習兩種；我這里是監督學習，當然就得我手動的寫每一張驗證碼的正確值了。
語言: python
工具： opencv
總體思路：樣本學習，測試；
1、樣本學習：
- 首先要對樣本去噪，去噪將干擾線刪除，對於一個像素點來說，他的四周的其余的點，有5個，或者較多的像素點是空白，那么將可以判斷他是噪點，而將他刪除掉。
- 扭曲矯正，我這里的扭曲矯正，是片面的，真正是很難有較好的效果，對於不同的驗證碼，有不同的特點，有一些驗證碼的產生，就有這樣的特點，角落處，有陰影，這使得字符有扭曲，根據這里，來實現不同程度的扭曲矯正。
- 切割圖像，將每個字符切割下來，這里也是相對的了，粘連較嚴重即將影響字符的正確。
- 二進制化圖像，是字符的地方是0，沒有的地方是1（這里相反沒有問題）。生成訓練集。
- 訓練模型制作，字符，二進制的像素點，joblib持久化保存，將模型保存到本地，進行預測，速度更快。
- 通過隨機森林算法將樣本數據訓練。
2、測試：
- 測試的步驟和學習的步驟類似。
- 通過訓練模型得到的分類結果計算正確率。
最后識別率在100%