複雜背景的驗證碼識別破解，以Discuz的動畫驗證碼為例

對於比較複雜的驗證碼，比如DZ論壇最新的驗證碼，處理起來相對麻煩一些，但是原理還是和普通的識別一樣的，無非多了個背景處理的方案，看如下對DZ論壇的驗證碼的識別的思路

//power by www.crazycoder.cn

首先我們要去除它的背景，對於這樣稍微複雜的背景，用過去的方法很難做到，的例子還不是很明顯，我發現很多圖片背景色和字母色近似，而且字母顏色是不斷變化的，背景也是不斷變化的

那我初始的想法是找到圖片中使用顏色最多的方法，於是我們用HSL表示各點顏色，接著進行統計，得到最大的幾個峰值，這裡便是圖片中幾個最豐富的顏色的L值得累加值

其餘的都可以認為是噪音，我們對每個峰值進行分割，得到如片

你看這樣就把單個顏色圖片分割出來了，接下來就是找到圖片中除去黑色和白色後的圖片

然後進行灰化處理，閥值處理，降噪，得到

接著根據邊界檢測出來的最左側x位置，來排序字母順序

接下來的事情就輕車熟路了，把圖片轉成標準模板，通過少量學習就達到了95%以上的識別率

c:15 j:8 8:7 t:9 9:4 x:7 4:6 2:4 h:7 f:8 e:18 b:5 y:3 k:4 w:3 g:5 3:5 7:6 r:2 m:3 q:4 v:2 p:3 6:2
以上資料表示 c學習15次 j學習8次…

只要字元不粘連，大部分驗證碼幹擾技術都是可以有辦法，所以為什麼google驗證碼看起來很簡單，但是沒有人能夠很好的破解它得原因。

補充，
rise在留言中發現有一些字元加入雜點的問題，由於這種驗證碼不是很普遍，稍微做了研究

CY3E 這個圖片3字中有雜點，其他沒有，按照文章中介紹的辦法，怎麼知道這個3不是像其他顏色雜點一樣的圖片呢？

我覺得需要加入一個步驟，就是對每次過濾顏色產生出來的圖片，進行填充
找到3的雜點原圖：

然後我們進行演算法填充

這個圖片與其他全部是雜點的圖片之間的差別進行過濾，我考慮可以通過以下方法：
1、連貫點的寬度
2、連貫點的個數
這樣剩下的就只剩下CY3E的過濾後的圖片

至於字元傾斜的問題，我覺得完全可以在機器學習過程中，我們自己旋轉正在學習的圖片一定角度，例如從-10到+10度，只不過這樣的學習庫會大一些，但是就10個數位驗證碼來說，這點效能損失應該可以忽略不計。