图像验证码识别(七)——字符分割
2016-03-01 14:37
555 查看
前面经过各种去除噪点、干扰线,验证码图片现在已经只有两个部分,如果pixel为白就是背景,如果pixel为黑就为字符。正如前面流畅所提到的一样,为了字符的识别,这里需要将图片上的字符一个一个“扣”下来,得到单个的字符,接下来再进行OCR识别。
字符分割可以说是图像验证码识别最关键的一步,因为分割的正确与否直接关系到最后的结果,如果4个字符分割成了3个,即便后面的识别算法识别率达到100%,结果也是错的。当然,前面预处理如果做得够好,干扰因素能够有效的去除,而没有影响到字符的pixel,那么分割来讲要容易得多。反过来,如果前面的干扰因素都没有去除掉,那么分割出来的可能就不是字符了。
字符的粘连是分割的难点,这一点也可以作为验证码安全系数的标准,如果验证码上的几个字符完全是分开的,那么可以保证字符分割成功率百分之百,这样验证码破解的难度就降低了很多,比如下面的字符:
这个就是CSDN的验证码,经过二值化和降噪得到的图片,可以看到这里图片已经非常干净,没有一点多余的信息,字符之间没有重叠的部分,分割起来毫无难度。
当然,大多数IT巨头的网页验证码里地字符都是粘连在一起的,比如谷歌的验证码:
谷歌的验证码不仅粘连成都很大,而且字符扭曲地也特别厉害,所以破解起来那是难度非常大了
至于图片分割,我再这里介绍两种简单地方法。
一、 泛水填充法
泛水填充法在前面降噪的地方就提到过,主要思路还是连通域的思想。对于相互之间没有粘连的字符验证码,直接对图片进行扫描,遇到一个黑的pixel就对其进行泛水填充,所有与其连通的字符都被标记出来,因此一个独立的字符就能够找到了。这个方法优点是效率高,时间复杂度是O(N),N为像素的个数;而且不用考虑图片的大小、相邻字符间隔以及字符在图片中得位置等其他任何因素,任何验证码图片只要字符相互是独立的,不需要对其他任何阀值做预处理,直接就操作;用这种方法分割正确率非常高,几乎不会出现分割错误的情况。但是缺点也很致命:那就是字符之间必须完全隔离,没有粘连的部分,否则会将两个字符误认为一个字符。
代码如下:
[cpp] view
plain copy
for (i = 0; i < nWidth; ++i)
for (j = 0; j < nHeight; ++j)
{
if ( !getPixel(i,j) )
{
//FloodFill each point in connect area using different color
floodFill(m_Mat,cvPoint(i,j),cvScalar(color));
color++;
}
}
int ColorCount[256] = { 0 };
for (i = 0; i < nWidth; ++i)
{
for (j = 0; j < nHeight; ++j)
{
//caculate the area of each area
if (getPixel(i,j) != 255)
{
ColorCount[getPixel(i,j)]++;
}
}
}
//get rid of noise point
for (i = 0; i < nWidth; ++i)
{
for (j = 0; j < nHeight; ++j)
{
if (ColorCount[getPixel(i,j)] <= nMin_area)
{
setPixel(i,j,WHITE);
}
}
}
int k = 1;
int minX,minY,maxX,maxY;
vector<Image> vImage;
while( ColorCount[k] )
{
if (ColorCount[k] > nMin_area)
{
minX = minY = 100;
maxX = maxY = -1;
//get the rect of each charactor
for (i = 0; i < nWidth; ++i)
{
for (j = 0; j < nHeight; ++j)
{
if(getPixel(i,j) == k)
{
if(i < minX)
minX = i;
else if(i > maxX)
maxX = i;
if(j < minY)
minY = j;
else if(j > maxY)
maxY = j;
}
}
}
//copy to each standard mat
Mat *ch = new Mat(HEIGHT,WIDTH,CV_8U,WHITE);
int m,n;
m = (WIDTH - (maxX-minX))/2;
n = (HEIGHT - (maxY-minY))/2;
for (i = minX; i <= maxX; ++i)
{
for (j = minY; j <= maxY; ++j)
{
if(getPixel(i,j) == k)
{
*(ch->data+ch->step[0]*(n+j-minY)+m+(i-minX)) = BLACK;
}
}
<span style="white-space:pre"> </span>}
这段代码就是使用泛水填充法,每次扫到一个连通域就把连通域所有的pixel的灰度值改为0-255之间的一个值,比如第一个是254,下一个是253...接下来再对每一个灰度值(即每一个连通域)的pixel出现的X,Y坐标的最大、最小的值记录下来,这样就得到了每个字符的最小外包矩形,最后将这个最小外包矩形全部复制到固定大小的一个单独的Mat对象中,这个对象存储的就是一个固定分辨率大小的表现为单独字符的图片。
分割的效果可以见下面的图:
可以看到,分割效果非常好。
二、X像素投影法
对于粘连的字符,也并非没有方法分割。一个方法就是将两个粘连的验证码一刀切开,从哪里切?当然是从粘连的薄弱的地方切。前面提到过图片的像素就像一个二维的矩阵,对每一个x值,统计所有x值为这个值的pixel中黑色的数目,直观来讲就是统计每一条竖线上黑色点的数目。显而易见的是,如果这一条线为背景,那么这一条线肯定都是白色的,那么黑色点的数目为0,如果一条竖线经过字符,那么这条竖线上的黑色点数目肯定不少。
对于完全独立的两个字符之间,肯定有黑色点数目为0的竖线,但是如果粘连,那么不会有黑色点数为0的竖线存在,但是字符粘连最薄弱的地方一定是黑色点数目最少的那条竖线,因此切就要从这个地方切。
在代码的实现的过程中,可以先从左到右扫描一遍,统计投影到每个X值的黑色点的数目,然后设定一个阀值范围,这个阀值大概就是一个字符的宽度。从左到右,先找到第一个x黑色点投影不为0的x值,然后在这个x值加上大概一个字符宽度的大小找到x投影数目最小的x值,这两个x值分割出来就是一个字符了。
这个方法的特点就是能够分割粘连的字符,但是缺点就是容易分割不干净,可能会出现分割错误的情况,另外就是需要提供相应的阀值。
代码如下:
[cpp] view
plain copy
void Image::xProjectDivide(int nMin_thsd,int nMax_thsd)
{
int i,j;
int nWidth = getWidth();
int nHeight = getHeight();
int *xNum = new int[nWidth];
//inital the x-projection-num
memset(xNum,0,nWidth*sizeof(int));
//compute the black pixel num in X coordinate
for (j = 0; j < nHeight; ++j)
for (i = 0; i < nWidth; ++i)
{
if ( getPixel(i,j) == BLACK ) xNum[i]++;
}
/*-----------------show x project map-------------------*/
Mat xProjectResult(nHeight/2,nWidth,CV_8U,Scalar(WHITE));
for (i = 0; i < xProjectResult.cols-1; ++i)
{
int begin,end;
if(xNum[i] > xNum[i+1])
{
begin = xNum[i+1];
end = xNum[i];
}
else {
begin = xNum[i];
end = xNum[i+1];
}
for (j = begin; j <= end; ++j)
{
*(xProjectResult.data+xProjectResult.step[0]*(nHeight/2 - j - 1)+i) = BLACK;
}
}
std::cout << "The porject of BLACK pixel in X coordinate is in the window" << std::endl;
namedWindow("xProjectResult");
imshow("xProjectResult",xProjectResult);
waitKey();
/*-----------------show x project map-------------------*/
/*-------------------divide the map---------------------*/
vector<int> vPoint;
int nMin,nIndex;
if (xNum[0] > BOUNDRY_NUM) vPoint.push_back(0);
for(i = 1;i < nWidth-1 ;)
{
if( xNum[i] < BOUNDRY_NUM)
{
i++;
continue;
}
vPoint.push_back(i);
//find minimum between the min_thsd and max_thsd
nIndex = i+nMin_thsd;
nMin = xNum[nIndex];
for(j = nIndex;j<i+nMax_thsd;j++)
{
if (xNum[j] < nMin)
{
nMin = xNum[j];
nIndex = j;
}
}
vPoint.push_back(nIndex);
i = nIndex + 1;
}
if (xNum[nWidth-1] > BOUNDRY_NUM) vPoint.push_back(nWidth-1);
//save the divided characters in map vector
int ch_width = nWidth / (vPoint.size()/2) + EXPAND_WIDTH;
vector<Image> vImage;
for (j = 0; j < (int)vPoint.size(); j += 2)
{
Mat *mCharacter = new Mat(nHeight,ch_width,CV_8U,Scalar(WHITE));
for (i = 0; i < nHeight; ++i)
memcpy(mCharacter->data+i*ch_width+EXPAND_WIDTH/2,m_Mat.data+i*nWidth+vPoint.at(j),vPoint.at(j+1)-vPoint.at(j));
Image::ContoursRemoveNoise(*mCharacter,2.5);
Mat *mResized = new Mat(SCALE,SCALE,CV_8U);
resize(*mCharacter,*mResized,cv::Size(SCALE,SCALE),0,0,CV_INTER_AREA);
Image iCh(*mResized);
vImage.push_back(iCh);
delete mCharacter;
}
//show divided characters
char window_name[12];
for (i = 0; i < (int)vImage.size(); ++i)
{
sprintf(window_name,"Character%d",i);
//vImage.at(i).NaiveRemoveNoise(1.0f);
vImage.at(i).ShowInWindow(window_name);
}
delete []xNum;
}
代码首先统计每个x坐标对应的黑色点的数目,然后根据参数提供的阀值,找到字符之间的分割点,然后将分割点入栈,如果有4个字符,就入栈8个边界。最后每次出栈两个x值,将这两个x值之间的所有像素都拷贝到一个新的Mat对象中去,这样就得到了一个独立的字符图片。
下面给出X像素投影法的运行结果图:
字符分割可以说是图像验证码识别最关键的一步,因为分割的正确与否直接关系到最后的结果,如果4个字符分割成了3个,即便后面的识别算法识别率达到100%,结果也是错的。当然,前面预处理如果做得够好,干扰因素能够有效的去除,而没有影响到字符的pixel,那么分割来讲要容易得多。反过来,如果前面的干扰因素都没有去除掉,那么分割出来的可能就不是字符了。
字符的粘连是分割的难点,这一点也可以作为验证码安全系数的标准,如果验证码上的几个字符完全是分开的,那么可以保证字符分割成功率百分之百,这样验证码破解的难度就降低了很多,比如下面的字符:
这个就是CSDN的验证码,经过二值化和降噪得到的图片,可以看到这里图片已经非常干净,没有一点多余的信息,字符之间没有重叠的部分,分割起来毫无难度。
当然,大多数IT巨头的网页验证码里地字符都是粘连在一起的,比如谷歌的验证码:
谷歌的验证码不仅粘连成都很大,而且字符扭曲地也特别厉害,所以破解起来那是难度非常大了
至于图片分割,我再这里介绍两种简单地方法。
一、 泛水填充法
泛水填充法在前面降噪的地方就提到过,主要思路还是连通域的思想。对于相互之间没有粘连的字符验证码,直接对图片进行扫描,遇到一个黑的pixel就对其进行泛水填充,所有与其连通的字符都被标记出来,因此一个独立的字符就能够找到了。这个方法优点是效率高,时间复杂度是O(N),N为像素的个数;而且不用考虑图片的大小、相邻字符间隔以及字符在图片中得位置等其他任何因素,任何验证码图片只要字符相互是独立的,不需要对其他任何阀值做预处理,直接就操作;用这种方法分割正确率非常高,几乎不会出现分割错误的情况。但是缺点也很致命:那就是字符之间必须完全隔离,没有粘连的部分,否则会将两个字符误认为一个字符。
代码如下:
[cpp] view
plain copy
for (i = 0; i < nWidth; ++i)
for (j = 0; j < nHeight; ++j)
{
if ( !getPixel(i,j) )
{
//FloodFill each point in connect area using different color
floodFill(m_Mat,cvPoint(i,j),cvScalar(color));
color++;
}
}
int ColorCount[256] = { 0 };
for (i = 0; i < nWidth; ++i)
{
for (j = 0; j < nHeight; ++j)
{
//caculate the area of each area
if (getPixel(i,j) != 255)
{
ColorCount[getPixel(i,j)]++;
}
}
}
//get rid of noise point
for (i = 0; i < nWidth; ++i)
{
for (j = 0; j < nHeight; ++j)
{
if (ColorCount[getPixel(i,j)] <= nMin_area)
{
setPixel(i,j,WHITE);
}
}
}
int k = 1;
int minX,minY,maxX,maxY;
vector<Image> vImage;
while( ColorCount[k] )
{
if (ColorCount[k] > nMin_area)
{
minX = minY = 100;
maxX = maxY = -1;
//get the rect of each charactor
for (i = 0; i < nWidth; ++i)
{
for (j = 0; j < nHeight; ++j)
{
if(getPixel(i,j) == k)
{
if(i < minX)
minX = i;
else if(i > maxX)
maxX = i;
if(j < minY)
minY = j;
else if(j > maxY)
maxY = j;
}
}
}
//copy to each standard mat
Mat *ch = new Mat(HEIGHT,WIDTH,CV_8U,WHITE);
int m,n;
m = (WIDTH - (maxX-minX))/2;
n = (HEIGHT - (maxY-minY))/2;
for (i = minX; i <= maxX; ++i)
{
for (j = minY; j <= maxY; ++j)
{
if(getPixel(i,j) == k)
{
*(ch->data+ch->step[0]*(n+j-minY)+m+(i-minX)) = BLACK;
}
}
<span style="white-space:pre"> </span>}
这段代码就是使用泛水填充法,每次扫到一个连通域就把连通域所有的pixel的灰度值改为0-255之间的一个值,比如第一个是254,下一个是253...接下来再对每一个灰度值(即每一个连通域)的pixel出现的X,Y坐标的最大、最小的值记录下来,这样就得到了每个字符的最小外包矩形,最后将这个最小外包矩形全部复制到固定大小的一个单独的Mat对象中,这个对象存储的就是一个固定分辨率大小的表现为单独字符的图片。
分割的效果可以见下面的图:
可以看到,分割效果非常好。
二、X像素投影法
对于粘连的字符,也并非没有方法分割。一个方法就是将两个粘连的验证码一刀切开,从哪里切?当然是从粘连的薄弱的地方切。前面提到过图片的像素就像一个二维的矩阵,对每一个x值,统计所有x值为这个值的pixel中黑色的数目,直观来讲就是统计每一条竖线上黑色点的数目。显而易见的是,如果这一条线为背景,那么这一条线肯定都是白色的,那么黑色点的数目为0,如果一条竖线经过字符,那么这条竖线上的黑色点数目肯定不少。
对于完全独立的两个字符之间,肯定有黑色点数目为0的竖线,但是如果粘连,那么不会有黑色点数为0的竖线存在,但是字符粘连最薄弱的地方一定是黑色点数目最少的那条竖线,因此切就要从这个地方切。
在代码的实现的过程中,可以先从左到右扫描一遍,统计投影到每个X值的黑色点的数目,然后设定一个阀值范围,这个阀值大概就是一个字符的宽度。从左到右,先找到第一个x黑色点投影不为0的x值,然后在这个x值加上大概一个字符宽度的大小找到x投影数目最小的x值,这两个x值分割出来就是一个字符了。
这个方法的特点就是能够分割粘连的字符,但是缺点就是容易分割不干净,可能会出现分割错误的情况,另外就是需要提供相应的阀值。
代码如下:
[cpp] view
plain copy
void Image::xProjectDivide(int nMin_thsd,int nMax_thsd)
{
int i,j;
int nWidth = getWidth();
int nHeight = getHeight();
int *xNum = new int[nWidth];
//inital the x-projection-num
memset(xNum,0,nWidth*sizeof(int));
//compute the black pixel num in X coordinate
for (j = 0; j < nHeight; ++j)
for (i = 0; i < nWidth; ++i)
{
if ( getPixel(i,j) == BLACK ) xNum[i]++;
}
/*-----------------show x project map-------------------*/
Mat xProjectResult(nHeight/2,nWidth,CV_8U,Scalar(WHITE));
for (i = 0; i < xProjectResult.cols-1; ++i)
{
int begin,end;
if(xNum[i] > xNum[i+1])
{
begin = xNum[i+1];
end = xNum[i];
}
else {
begin = xNum[i];
end = xNum[i+1];
}
for (j = begin; j <= end; ++j)
{
*(xProjectResult.data+xProjectResult.step[0]*(nHeight/2 - j - 1)+i) = BLACK;
}
}
std::cout << "The porject of BLACK pixel in X coordinate is in the window" << std::endl;
namedWindow("xProjectResult");
imshow("xProjectResult",xProjectResult);
waitKey();
/*-----------------show x project map-------------------*/
/*-------------------divide the map---------------------*/
vector<int> vPoint;
int nMin,nIndex;
if (xNum[0] > BOUNDRY_NUM) vPoint.push_back(0);
for(i = 1;i < nWidth-1 ;)
{
if( xNum[i] < BOUNDRY_NUM)
{
i++;
continue;
}
vPoint.push_back(i);
//find minimum between the min_thsd and max_thsd
nIndex = i+nMin_thsd;
nMin = xNum[nIndex];
for(j = nIndex;j<i+nMax_thsd;j++)
{
if (xNum[j] < nMin)
{
nMin = xNum[j];
nIndex = j;
}
}
vPoint.push_back(nIndex);
i = nIndex + 1;
}
if (xNum[nWidth-1] > BOUNDRY_NUM) vPoint.push_back(nWidth-1);
//save the divided characters in map vector
int ch_width = nWidth / (vPoint.size()/2) + EXPAND_WIDTH;
vector<Image> vImage;
for (j = 0; j < (int)vPoint.size(); j += 2)
{
Mat *mCharacter = new Mat(nHeight,ch_width,CV_8U,Scalar(WHITE));
for (i = 0; i < nHeight; ++i)
memcpy(mCharacter->data+i*ch_width+EXPAND_WIDTH/2,m_Mat.data+i*nWidth+vPoint.at(j),vPoint.at(j+1)-vPoint.at(j));
Image::ContoursRemoveNoise(*mCharacter,2.5);
Mat *mResized = new Mat(SCALE,SCALE,CV_8U);
resize(*mCharacter,*mResized,cv::Size(SCALE,SCALE),0,0,CV_INTER_AREA);
Image iCh(*mResized);
vImage.push_back(iCh);
delete mCharacter;
}
//show divided characters
char window_name[12];
for (i = 0; i < (int)vImage.size(); ++i)
{
sprintf(window_name,"Character%d",i);
//vImage.at(i).NaiveRemoveNoise(1.0f);
vImage.at(i).ShowInWindow(window_name);
}
delete []xNum;
}
代码首先统计每个x坐标对应的黑色点的数目,然后根据参数提供的阀值,找到字符之间的分割点,然后将分割点入栈,如果有4个字符,就入栈8个边界。最后每次出栈两个x值,将这两个x值之间的所有像素都拷贝到一个新的Mat对象中去,这样就得到了一个独立的字符图片。
下面给出X像素投影法的运行结果图:
相关文章推荐
- 使用C++实现JNI接口需要注意的事项
- 关于指针的一些事情
- c++ primer 第五版 笔记前言
- share_ptr的几个注意点
- Lua中调用C++函数示例
- Lua教程(一):在C++中嵌入Lua脚本
- Lua教程(二):C++和Lua相互传递数据示例
- C++联合体转换成C#结构的实现方法
- C++高级程序员成长之路
- C++编写简单的打靶游戏
- C++ 自定义控件的移植问题
- C++变位词问题分析
- C/C++数据对齐详细解析
- C++基于栈实现铁轨问题
- C++中引用的使用总结
- 使用Lua来扩展C++程序的方法
- C++中调用Lua函数实例
- Lua和C++的通信流程代码实例
- C与C++之间相互调用实例方法讲解
- 解析C++中派生的概念以及派生类成员的访问属性