概述
很多開發者都討厭網站的驗證碼，特別是寫網絡爬蟲的程序員，而網站之所以設置驗證碼，是為了防止機器人訪問網站，造成不必要的損失。現在好了，隨着機器學習技術的發展，機器識別驗證碼的問題比較好解決了。
樣本采集工具
這里我們采用wordpress的Really Simple CAPTCHA生成驗證碼的插件，之所以選擇這個插件，一個是它的安裝量很大，二個是因為它是開源的，我們可以利用它批量的生成驗證碼圖片。
目標估計
我們通過demo網站得知，Really Simple CAPTCHA生成的是包含4個數字或者字母的圖片，通過閱讀源碼得知，這個插件還屏蔽了O和I這兩個比較容易混淆的字母，也就是說，還剩下32個字符，看來可以完成。 目前花費了兩分鍾。
依賴
我們要用到以下的工具和庫。
-
python3
-
opencv
-
keras
-
tensorflow
創建樣本集
為了達到目的，我們首先要准備樣本集，樣本如下：
使用Really Simple CAPTCHA插件的源碼，我們很方便的批量生成10000個驗證碼圖片和對應的結果，待我們生成完成后，大概如下：
這地方大家可以根據自己的實際情況修改Really Simple CAPTCHA插件的源碼，來生成自己想要的樣本集。如果你覺着麻煩，也可以下載我生成好的。
目前為止，我們花了五分鍾。
如何訓練
我們現在有了樣本集了，我們可以直接那圖片和對應的結果直接進行神經網絡的訓練。
只要我們的樣本夠多，最終也能達到我們想要的效果。
但我們也可以采用更好的訓練方法，這個訓練方法使用更少的樣本數據，但是結果要比直接訓練的方法好很多，我想你已經猜到了，這個方法就是把圖片中的四個字符切割開，形成四個樣本。這方法之所以可行，是因為所有的驗證碼圖片都是4個字符的。
10000張圖片，一張一張手動用PS去切割，肯定不現實，而且由於圖片的橫向排列並不是等間距的，字符間的距離大小不一致，手動切割肯定不可能了。
。
其實我們只要畫出一個矩形，保證矩形框里只有字符就可以，然后從圖片中切出這樣的一個矩形，就形成了一個單個字符的圖片樣本。幸運的是，這個操作opencv已經幫我們實現了，opencv有個函數叫做findContours()，可以按照同樣色值的區域裁剪我們想要的矩形。 - 首先准備一個圖片：
- 轉換圖片為黑白色。這樣有字符的地方為黑色，空白為白色，便於opencv裁剪。
-接下來我們用opencv的findContours函數切割圖片。
接下來，我們就把圖片從左到右進行切割，並存儲切割后的圖片，以及圖片對應的字符。但是實際操作的過程中，我發現一個問題，就是有時候兩個字符靠的太近，導致opencv在切割的時候，把兩個字符切割刀一個圖片里了，比如：
切割完的效果是：
如果不解決這個問題，我們的樣本集就不准了，那訓練出來的模型也就不可能正確了。我的解決方法是，首先設置一個字符寬最大的像素，如果超過這個像素，則認為一個圖片中包含了兩個字符，然后我們選擇把這個圖片對半切割，分成兩個字符。例如：
好，我們現在得到了一個驗證碼圖片對應的4個字符的圖片，現在我們把所有的樣本圖片都切割好，然后，把相同的字符對應的圖片放到一個文件夾，這么做的目的是盡量多的找出同一個字符的多種樣式。結果如下：
到目前為止，我花了10分鍾。
訓練模型
因為我們只是識別圖片對應的數字或者字母，所以我們不需要特別復雜的神經網絡算法。識別字符比識別小貓小狗的簡單多了。
我這地方使用卷積神經網絡，two convolutional layers and two fully-connected layers。
這地方對卷積神經網絡算法就不做詳細介紹，感興趣的同學，可以google學習一下。
訓練完成后，我們需要測試一下。15分鍾花完。
總結
整個過程看起來很簡單： - 從使用我們上述提到的插件的wordpress網站上下載驗證碼圖片 - 把圖片切割成包含單個字符的小圖片 - 使用神經網絡算法訓練模型 - 預測新的驗證碼圖片對應的字符
下面是我的測試：
代碼
https://pan.baidu.com/s/1o94k2k6
你可以從這得到完整的代碼和示例圖片，你可以參照README來運行相關的程序。