此文已由作者徐迪授權網易雲社區發布。
歡迎訪問網易雲社區，了解更多網易技術產品運營經驗。
講到驗證碼識別，大家第一個可能想到tesseract。誠然，對於OCR而言，tesseract確實很強大，自帶的字模能識別絕大多數規整的中英文。但是驗證碼畢竟不是OCR。對於現在簡單的驗證碼，其干擾都很難規整的去完，或者說去干擾也是苦差事。你很難講干擾去完后去做OCR，對於低成本的OCR識別更是這樣。對於固定的驗證碼，針對性的訓練庫反而更有效，因為對於單一的驗證碼，其生成規則相對簡單，用特定規格做字模識別率95%以上應該不難。
說到底還是需要一個簡單的識別器，訓練器。某次世紀識別系統是國內灰產碼農用的最多的吧。可惜收費的，今天要介紹的完美驗證碼識別系統是類似的免費產品。驗證碼識別系統其實就是兩部分組成，字模制作系統包括預處理的配置，和單字符字模制作以及生成字模打包文件，識別系統就是用字模打包結果去識別驗證碼，就是一個設置參數的函數，然后調用設別函數拿到結果。
軟件內容如下：
WmCode.dll是主要的識別庫，主程序負責字模生成，其中包括了眾多圖像學的算法，如下圖，簡要的介紹下常見的方法。
1.色彩通道噪點處理
在清除背景和保留前景的tab中有保留和去除指定顏色的操作（包括HSV RGB 色彩域），以及指定色彩的大小過濾。這些操作主要針對色彩較為有限的彩色小噪點，一般這種驗證碼噪聲還是比較多的。通過這2種方式的結合，基本可以去掉大部分的此類噪點。
2.濾波類
主要針對灰度圖處理，主要處理局部有灰度差異的噪聲。很多驗證碼在局部制造一些高對比度的噪聲，濾波操作對此類就有較好效果。另外的用途就是邊緣提取，方便后期對干擾線的處理。
3.二值化
后邊幾類如形態學處理類，黑白圖處理，干擾線處理，都是基於二值化后的圖像，所以后邊要先對圖像二值化。軟件把常見的閾值取值算法都放進去，具體算法這里就不講了。
4.形態學處理
圖像濾鏡tab下包括了主流的形態學算法，開閉操作，輪廓骨架等。主要處理小噪點，以及取輪廓后方便后期去干擾線。
5.干擾線處理
最后的tab中包含對干擾線的檢測去除檢查去除算法
通過多個處理算法完成預處理，點擊開始編輯圖像，進入下一步，選擇分割方式，識別方式和制作字模。
雖然有提供一些常見的分割方式，但對於大多遇到的非規則的驗證碼，分割效果確實不是很好，選擇手動分割就不要管左邊的配置了。識別模式首選整體識別，其他各種在實際識別中也不是很好。
下邊主講字模的制作。在工具區最左邊的按鈕，手動裁剪單個要處理的字，選擇后雙擊，界面就變成單個字符處理。
在信息區輸入要 訓練結果，就會添加字模。操作應該算很簡單。不斷的訓練，直到識別率到達滿意為止。返回上個界面，點擊識別庫，識別庫生成，填寫密碼（調用函數用），就會把庫生成在項目目錄下。識別的過程，其實在軟件下給了函數的簡單說明，以及各語言的樣例，以python為例，看下大概的過程：
#coding=gbk#第一行注釋不能省，指定編碼聲明以支持中文#本代碼文件在32位的python 3.4.3版測試通過import urllibimport timeimport stringimport ctypesfrom ctypes import *
dll = ctypes.windll.LoadLibrary('WmCode.dll')#如果dll不在當前目錄，那么需要指定全路徑if(dll.UseUnicodeString(1,1)): #這個函數用來向DLL說明傳入的文本使用unicode格式
print('SetInUnicode Success:')#UseUnicodeString調用一次即可，無需重復調用else:
print('etInUnicode Fail!')#注意縮進格式if(dll.LoadWmFromFile('D:\網易論壇.dat','163')):#使用絕對路徑
print('Loaddat Success:')#LoadWmFromFile調用一次即可，無需重復調用
Str = create_string_buffer(20)#創建文本緩沖區
if(dll.GetImageFromFile('D:\wylt.JPG',Str)):#使用絕對路徑
#如果驗證碼圖像不在當前目錄，那么需要指定全路徑
print('GetVcode Success:',Str.raw.decode("gbk")) #返回的文本自行處理口口口問題
else:
print('GetVcode Fail!')
else:
print('Loaddat Fail!')#注意縮進格式
所有的函數封裝在WmCode.dll中，導出的了幾個基本函數。第一個指定使用unicode，和語言互調用有關。LoadWmFromFile 函數加載庫文件，就是我們用主程序訓練的結果，第二個參數是導出時填寫的密碼，GetImageFromFile 方法直接對本地文件進行識別，第一個參數是圖片地址，第二個是輸出的結果。調用函數相當簡單的，對比tesseract復雜的參數，這個識別是相當的快捷。在力求快速生成識別代碼的情況下，用這個庫確實非常方便。
網易雲易盾提供新一代網站驗證碼，包括智能驗證碼、滑動驗證碼等形式，驗證碼接口穩定性 99.9%，感知威脅可智能切換驗證難度，告別繁瑣驗證，保護業務安全，點擊可免費試用。
網易雲免費體驗館，0成本體驗20+款雲產品！
更多網易技術、產品、運營經驗分享請點擊。
相關文章：
【推薦】 kubernetes大概的工作原理