标签：
年前写了验证码上篇，本来很早前就想写下篇来着，只是过年比较忙，还有就是验证码破解比较繁杂，方法不同，正确率也会有差异，我一直在找比较好的方案，但是好的方案都比较专业，设涉及到了图形图像处理这些，我也是一知半解，所以就耽误了下来，在此对一直等待的同学说声抱歉。有兴趣的同学可以自行看看这方面的资料。因为我们都是入门，这次就以简单点的验证码为例，讲述下流程。废话不多说，正式开始。
1.)获取验证码
在上节，我们已经讲述了获取验证码的方法，这里不作赘述。下面是我获取到的另一个网站的验证码（最后我会放一个验证码的压缩包，想要练习的同学可以下载下来，寻找准确率更高的方案）。
2.)分析验证码
a.)分析样本空间
从上面的验证码可以看出，图片上总共有5个字，分别是操作数1、操作符、操作数2、"等于"。所以我们提取的话，只有前三个字是有效字。同时操作数的取值范围（0~9），操作符的取值为（加、乘）。所以总共有12个样本空间，操作数有10个，操作符有两个。
b.)分析提取范围
windows用户可以用系统自带的画板工具打开验证码，可以看到如下信息。
首先可以看到，验证码的像素是80*30，也就说横向80像素，纵向30像素，如果给它画上坐标系的话，坐标原点（0,0）为左上方顶点，向右为x轴（0=<x<80）,向下为y轴（0=<y<30）。(10,17)是当前鼠标（图片中的十字）所在位置的坐标，这个可以帮助我们确定裁剪的范围。我用的裁剪范围分别是：
操作数1和操作数2的大小做好保持一致，这样可以使两个操作数共用样本数据。region = (3,4,16,17) 其中（3,4）代表左上顶点的坐标，（16,17）代表右下顶点的坐标，这样就可以构成一个矩形。大小为（16-3，17-4）即宽和高均为13像素的矩形
3.)处理验证码（这里我用的是python的"PIL"图像处理库）
a.)转为灰度图
PIL 在这方面也提供了极完备的支持，我们可以：
img.convert("L")
from PIL import Image image = Image.open("H:\\authcode\\origin\\code3.jpg") imgry = image.convert("L") imgry.show()
运行结果：
然后二值化：
from PIL import Image image = Image.open("H:\\authcode\\origin\\code3.jpg") imgry = image.convert("L") # imgry.show() threshold = 100 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) out = imgry.point(table,‘1‘) out.show()
运行结果：
这个时候就是比较纯粹的黑白图了。
代码说明：
a).threshold = 100这个是一个阈值，具体是多少，看情况，如果比较专业的可以根据图片的灰度直方图来确定，一般而言，可以自己试试不同的值，看哪个效果最好。
b).其他的函数都是PIL自带的，有疑问的可以自己找资料查看
b.)图片裁剪
代码如下：
from PIL import Image image = Image.open("H:\\authcode\\origin\\code3.jpg") imgry = image.convert("L") # imgry.show() threshold = 100 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) out = imgry.point(table,‘1‘) # out.show() region = (3,4,16,17) result = out.crop(region) result.show()
运行结果：
更改region的值就可以裁剪到不同的图片，然后对其进行分类。我是把每个数字都不同的文件夹里，结果如下：
4.)提取特征值
提取特征值的算法就是因人而异了，这里我用的是，对每个分割后的验证码，横向画两条线，纵向画两条线，记录与验证码的交点个数（很尴尬的是我这个方案，识别率不高，这里意思到了就行了，大家懂的）。
就是这么个意思。这四条线的表达式为：(横线)x=3和x=6,(竖线)y=2，y=11
代码如下：
def yCount1(image): count = 0; x = 3 for y in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count def yCount2(image): count = 0; x = 6 for y in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count def xCount1(image): count = 0 y = 2 for x in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count def xCount2(image): count = 0 y = 11 for x in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count
把（0~9）这10个数字取特征值之后就得到如下图的结果：
2:5:3:3-0 2:2:2:3-0 5:2:2:4-0 2:2:2:0-0 2:4:2:0-0 6:2:3:3-0 0:3:3:2-0 2:5:3:3-0 2:1:3:5-1 2:1:3:5-1 1:6:3:4-1 1:8:3:2-1 1:8:3:3-1 1:6:3:4-1 1:5:3:3-1 1:3:3:5-1 2:1:3:5-1 1:6:3:3-1 1:7:3:2-1 1:5:3:3-1 1:7:3:4-1 1:8:3:2-1 2:1:2:5-1 2:1:1:2-1 1:8:3:2-1 2:1:2:5-1 1:7:0:1-1 2:1:2:5-1 6:1:2:1-1 0:6:3:1-1 0:6:2:1-1 1:7:2:1-1 5:1:2:3-1 1:3:3:5-1 2:7:2:2-1 6:1:2:1-1 2:1:2:3-1 5:1:1:0-1 1:6:3:3-1 1:7:3:2-1 1:7:3:4-1 5:1:2:3-1 2:1:1:1-1 1:6:0:1-1 4:1:2:3-1 1:1:2:4-1 5:1:2:1-1 0:5:2:2-1 2:1:2:4-1 1:5:3:5-1 5:1:3:3-1 1:8:3:2-1 1:5:3:3-1 2:1:2:5-1 2:1:1:2-1 2:1:2:5-1 2:1:2:5-1 2:1:2:5-1 2:1:2:5-1 1:8:3:2-1 2:1:2:5-1 1:5:3:3-1 2:1:3:5-1 3:2:2:2-2 4:1:1:1-2 3:3:2:6-2 3:3:4:4-2 2:3:2:3-2 3:3:2:6-2 2:3:3:3-2 2:3:3:3-2 3:5:3:6-2
最后一个数字代表这个特征值的结果，比如3:5:3:6-2，代表如果一个图片满足3:5:3:6，那么我们就认为这个图片上的值为2
这样是有误差的
首先，存在一个特征值同时输入多个数字，比如，1:2:3:4可能输入2，也可能输入3，这个时候就会出现误差。（解决方案：取出现频率最高的结果，但是也会有误差）
其次，可能存在一个特征值不在我们的样本空间。（解决方案：扩大样本空间）
5.)验证
完成以上几部，就可以进行破解测试了。
代码如下（crackcode是我自己写的函数）：
附录：
crackcode.py
#encoding=utf8 import checknumber import splitImage import checkoperation def getCodeResult(image): image1 = splitImage.getNumImage(image,1) image2 = splitImage.getNumImage(image,2) image3 = splitImage.getNumImage(image,3) num1 = checknumber.getnum(image1) num2 = checknumber.getnum(image2) operation =checkoperation.getoperation(image3) # print `num1`+":"+`operation`+":"+`num2` if(int(operation) != 2): result = int(num1) + int(num2) else: result = int(num1) * int(num2) return result
checknumber.py
#encoding=utf8 from PIL import Image import test import collections f = open("../src/school") lines = f.readlines() ips={} for i in range(0,len(lines)): ips[i] = lines[i] def getnum(image): # newimage = test.handimage(image) newimage = image result = `test.yCount1(newimage)`+":"+`test.yCount2(newimage)`+":"+`test.xCount1(newimage)`+":"+`test.xCount2(newimage)` result_ips = [] for x in range(len(ips)): if(ips[x].find(result)>-1): result_ips.append(ips[x].strip("\n").split(‘-‘)[1]) d = collections.Counter(result_ips) if(len(d.most_common(1))==0): return -1 else: return d.most_common(1)[0][0]
splitImage.py
#encoding=utf8 from PIL import Image def getNumImage(image,type): imgry = image.convert("L") threshold = 100 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) out = imgry.point(table,‘1‘) if(type == 1):#操作数1 region = (3,4,16,17) result = out.crop(region) return result elif(type == 2):#操作数2 region = (33,4,46,17) result = out.crop(region) return result else:#操作符 region = (18,4,33,17) result = out.crop(region) return result return result
checkoperation.py
#encoding=utf8 from PIL import Image import test import collections f = open("../src/operation") lines = f.readlines() ips={} for i in range(0,len(lines)): ips[i] = lines[i] def getoperation(image): # newimage = test.handimage(image) newimage = image result = `test.yCount1(newimage)`+":"+`test.yCount2(newimage)`+":"+`test.xCount1(newimage)`+":"+`test.xCount2(newimage)` result_ips = [] for x in range(len(ips)): if(ips[x].find(result)>-1): result_ips.append(ips[x].strip("\n").split(‘-‘)[1]) d = collections.Counter(result_ips) if(len(d.most_common(1))==0): return -1 else: return d.most_common(1)[0][0]
test.py
#encoding=utf8 from pytesseract import * from PIL import Image def handimage(image): height = image.size[1] width = image.size[0] # print height,width for h in range(height): for w in range(width): pixel = image.getpixel((w,h)) if(pixel<127): image.putpixel((w,h),0) else: image.putpixel((w,h),255) for h in range(height): for w in range(width): pixel = image.getpixel((w,h)) # print pixel return image def yCount1(image): count = 0; x = 3 for y in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count def yCount2(image): count = 0; x = 6 for y in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count def xCount1(image): count = 0 y = 2 for x in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count def xCount2(image): count = 0 y = 11 for x in range(0,13): pixel = image.getpixel((x,y)) if(pixel==0): count = count+1 return count
operation和school分别为操作数和操作符的样本空间，可以自己获取。
验证码样本放在百度云了，500条：
链接：http://pan.baidu.com/s/1hrv5w7y 密码：igo6
至此，破解验证码的流程就结束了。
说明：
a).代码仅供学习交流
b).如有错误，多多指教
c).转载请注明出处
Python 爬虫入门（四）—— 验证码下篇（破解简单的验证码）
标签：
原文地址：http://www.cnblogs.com/hearzeus/p/5226546.html
