python实现验证码的非连接字符的分割算法

最近在抓取某网站时候，遇到了验证码的问题，想要破解一下验证码，示例验证码如下







这种验证码位置不固定，并且有倾斜，垂直投影会有交叉的部分，所以不适合用垂直切割的办法，受图像处理中洪水算法的启发，想到一种思路

洪水算法 参见 http://blog.csdn.net/Trent1985/article/details/44904431
常见实现办法有递归，扫描线算法等，本文针对的验证码不适合用扫描线算法，遂用递归实现

以下是核心代码：

import numpy as np
import cv2
from PIL import Image
def getPoint(x,y,data,subdata=None):
a=[0,-1,0,1,0,-2,0,2,0,-3,0,3,0,-4,0,4,0,-5,0,5]
b=[1,0,-1,0,2,0,-2,0,3,0,-3,0,4,0,-4,0,5,0,-5,0]
width,height=data.shape
if subdata is None:
subdata=[]
if x>5 and y<height-5 and y>5 and x<width-5:
for i in range(20):
if data[x+a[i]][y+b[i]]==1:
subdata.append((x+a[i],y+b[i]))
data[x+a[i]][y+b[i]]=2
getPoint(x+a[i],y+b[i],data,subdata)
subdata.append((x,y))

def getcell(data):
list1=[]
index=0
flag=True
for y in range(data.shape[1]):
for x in range(data.shape[0]):
if data[x][y]==1:
if list1:
for i in range(len(list1)):
if (x,y) in list1[i]:
flag=False
if not flag:
continue
list1.append([])
getPoint(x,y,data,list1[index])#调用流水算法
index+=1
else :
continue

  for index in range(len(list1)):
l=list1[index][0][0]
t=list1[index][0][1]
r=list1[index][0][0]
b=list1[index][0][1]
for i in list1[index]:
x=i[0]
y=i[1]
l=min(l,x)
t=min(t,y)
r=max(r,x)
b=max(b,y)
w=r-l+1
h=b-t+1
if (w*h <8):#去除小色块
continue
img0=np.zeros([w,h])#创建全0矩阵
for x,y in list1[index]:
img0[x-l][y-t]=1
img0[img0<1]=255
img1=Image.fromarray(img0)
img1=img1.convert('RGB')
  img1.save('img2/'+str(index)+'.png')

以上是我个人实现的解决方案，虽然算不上最优，但基本能够满足需求
有不足之处欢迎指出，也欢迎提出更优的解决方案