【指路贴】网页采集教程第四课-验证码图片处理欣赏及使用tessdata-OCR进行训练和识别

liucqa

kangatang 发表于 2012-7-24 09:30
学习。
越来越 曲高和寡 了

这么火热的课题，怎么能算曲高呢？顶多在EH上有点"和寡"罢了

用c和dephi写的验证码识别文章早已满天飞了，不过用vba来做，俺这篇文章算是少有的了。

kangatang

liucqa 发表于 2012-7-24 12:36
这么火热的课题，怎么能算曲高呢？顶多在EH上有点"和寡"罢了

用c和dephi写的验证码识别文章早已满天飞 ...

在EH上有点"和寡"

liucqa

有没有大神来光临本帖指导呀

蓝天630902

总体来说，ＯＣＲ或者ＯＣＲ插件是很优秀的，毕竟那是专业人员弄出来的东西，如果不好，那叫没脸见人。

liucqa

蓝天630902 发表于 2012-7-25 07:27
总体来说，ＯＣＲ或者ＯＣＲ插件是很优秀的，毕竟那是专业人员弄出来的东西，如果不好，那叫没脸见人。

使用OCR软件与自己写代码相比，最大的好处是免去了做字符分隔和建立识别字库的麻烦。
OCR软件强大的自训练功能，可以使开发变的简单而省力。

但是对一些需要特殊处理的变形、粘连比较严重的图片，OCR就无能为力了。这类情况只有自己编程处理字符分割和建立字库。不过识别率貌似不会太高，能有10%～20%就很不错了。

蓝天630902

liucqa 发表于 2012-7-25 10:30
使用OCR软件与自己写代码相比，最大的好处是免去了做字符分隔和建立识别字库的麻烦。
OCR软件强大的自训 ...

就某个具体问题来说，自己写代码要比ＯＣＲ要靠谱些，但就是累人。

写有写的好处，到时候有可能不会患老年痴呆。

liucqa

蓝天630902 发表于 2012-7-25 10:36
就某个具体问题来说，自己写代码要比ＯＣＲ要靠谱些，但就是累人。

写有写的好处，到时候有可能不会患 ...

呵呵，其实能把图像预处理做好，就不会得老年痴呆了。

目前图像识别的全部热点都在预处理上，而OCR只不过是预处理之后的结果罢了

你可以研究一下OTSU阈值、边缘识别、骨架之类的算法，很锻炼大脑的

335081548

liucqa 发表于 2012-7-24 02:03
验证码识别是一柄双刃剑，掌握了这个功能，可以用来降低我们的工作量，也可以用来做不和谐的行为。

还是看看代码好点，让俺 用用。发我邮箱也行。335081548@qq.com 谢谢

正在学习中

星剑所指

  去边框-----------清空1～2个像素即可（填入255）
    反转颜色--------要处理RGB三色
    中值滤波--------将这4～8个点的像素值换成排序在中间的值。
    加权灰度--------心理学的灰度公式 Gray= 0.299*R + 0.587*G + 0.114*B         
                             整数运算的变种公式 Gray = (R*30 + G*59 + B*11 + 50) / 100
                            Adobe RGB (1998) [gamma=2.20] Gray = (R^2.2 * 0.2973 + G^2.2 * 0.6274 + B^2.2 * 0.0753)^(1/2.2) 速度慢但是效果不错
    二值化-----------根据阈值确定像素值是0(黑)，还是255(白)
    去噪点-----------最简单的方法是先后判断9、25个像素范围内白色像素的占比，如果超过60%～80%即可视为噪点。

这几个过程处理就是使图像的颜色种类逐步变少。
请教大师加权灰度对图像颜色有什么影响，是不是把彩色图像变成灰色，就像彩色电视机变成黑白电视差不多意思

liucqa

星剑所指 发表于 2012-7-25 14:24
这几个过程处理就是使图像的颜色种类逐步变少。
请教大师加权灰度对图像颜色有什么影响，是不是把彩色图 ...

变灰度之后，数据量会变小