驗證碼的出現主要是為了區分用戶是計算機還是人，比如數字驗證碼、字符驗證碼、滑動驗證碼等等。通常驗證碼是用來防止爬蟲程序惡意抓取信息，或者防止批量注冊等等，但是這驗證碼并不是萬能的，還是可以突破的，那么這爬蟲怎么突破驗證碼限制？

本文介紹了一套字符驗證碼識別的完整流程，對于驗證碼安全和OCR識別技術都有一定的借鑒意義。

一、圖片素材收集

1.選定素材類型

此圖片能滿足要求，仔細觀察其具有如下特點。

有利識別的特點 ：由純阿拉伯數字組成、字數為4位、字符排列有規律、字體是用的統一字體 。

不利識別的特點 ：圖片背景有干擾噪點 。

2.爬取素材，主要步驟如下：

通過瀏覽器的抓包功能獲取隨機圖片驗證碼生成接口，批量請求接口以獲取圖片，將圖片保存到本地磁盤目錄中，循環執行N次，即可保存N張驗證素材了。代碼，如下：

效果圖：

二、圖片預處理

雖然目前的機器學習算法已經相當先進了，但是為了減少后面訓練時的復雜度，同時增加識別率，很有必要對圖片進行預處理，使其對機器識別更友好。

1.二值化圖片

將RGB彩圖轉為灰度圖，將灰度圖按照設定閾值轉化為二值圖：

由PIL轉化后變成二值圖片:0表示黑色,1表示白色。二值化后帶噪點的 6937 的像素點輸出后如下圖：

2.去除噪點

在轉化為二值圖片后，就需要清除噪點。本文選擇的素材比較簡單，大部分噪點也是最簡單的那種 孤立點，所以可以通過檢測這些孤立點就能移除大量的噪點。

關于如何去除更復雜的噪點甚至干擾線和色塊，有比較成熟的算法: 洪水填充法 Flood Fill ，后面有興趣的時間可以繼續研究一下。

經過預處理后的圖片如下所示:

對比文章開頭的原始圖片，那些 孤立點 都被移除掉，相對比較 干凈 的驗證碼圖片已經生成。

三、圖片字符切割

1.分割算法

使用圖像編輯軟件（PhoneShop或者其它）打開驗證碼圖片，放大到像素級別，觀察其它一些參數特點：

可以得到如下參數：

• 整個圖片尺寸是 40*10

• 單個字符尺寸是 6*10

• 左右字符和左右邊緣相距2個像素

• 字符上下緊挨邊緣（即相距0個像素）

這樣就可以很容易就定位到每個字符在整個圖片中占據的像素區域，然后就可以進行分割了，具體代碼如下：

然后就能得到被切割的 原子級 的圖片元素了：

2.尺寸歸一

本文所選擇的研究對象本身尺寸就是統一狀態：6*10的規格，所以此部分不需要額外處理。但是一些進行了扭曲和縮放的驗證碼，則此部分也會是一個圖像處理的難點。

在前面的環節，已經完成了對單個圖片的處理和分割了，后面就開始進行識別模型的訓練了。關于后續識別可以了解更多的精靈代理資訊。