#ImageRecognition

简单验证码识别

简单验证码程序使用Python语言编写，图形界面使用PyQt4开发。
初衷用于机器识别效果的验证，对于不是特别复杂的验证码图片，程序可以做到自动获取图片阈值。
预置验证码长度为4的粘连切割（虽然很废。。），如果自动获取的阈值失效，使用者也可以手动输入阈值范围再次分割。
这个程序是个人第一个PyQt程序，刚上手Python几个月，界面设计和代码都有很多不太合理的地方。
希望大家提出一些意见，如果能够看得下去代码的话 -_=:

Note:

• Python版本为2.7.x，使用时进入PYQT文件夹，在终端运行UITest.py文件即可
• 依赖库有： PIL, skimage(matplotlib), pyqt4, sklearn, numpy
• 图片文件存放在pictures文件夹中，为了测试方便，所有图片的后缀名都为png。
  程序默从PYQT/picture_source/中认读取图片，支持自定义路径选取文件。
  程序中处理过的文件存放在相应的xx_cache文件夹中

可能会出现的错误

pyqt4与skimage中import的冲突

pyqt4与skimage:

• 由于需要使用skimage阈值计算公式，在UITest.py文件中无法引用imgRec1.py文件
• 需要解决无法引用skimage.io问题（from skimage import filter, data都不产生问题），即使用skimage中矩阵方式读取图片
• 已经尝试过将：from PyQt4.xxx import * 改为 from PyQt4 import xxx
• 实际上是matplotlib引用问题，修改了skimage代码，文件位置（以本机为例）：
  /usr/lib/python2.7/site-packages/matplotlib/backends/qt_compat.py
  代码位置：
  114：from PyQt5 import QtCore, QtGui, QtWidgets
  ->
  114：from PyQt4 import QtCore, QtGui, QtWidgets

虽然不算是什么错误

调整了一次ui文件之后程序的icon就显示不出来啊，

前期代码参考

博客园 IvanPc：
http://www.cnblogs.com/IvanPc/p/4835817.html
读像素点，分割逻辑和阈值部分进行了参考，但是读像素点的方法不够好，有空完善

图像文本转换

在机器学习模块使用SVM支持向量机，学习样本和测试数据都要将图像文件转换成32x32的文本。
以某字符为例：

具体实现在PYQT/pic2text.py中，生成的文本存储在txt_cache文件夹中。

手动输入阈值

在很多情况下使用自动阈值函数不是那么靠谱，这时需要使用者根据灰度值直方图手动输入阈值。
以乌云验证码为例：

自动返回的阈值为191，此时干扰部分仍然被保留，手动输入阈值范围：0~150
确认后点击载入阈值再次分割验证码

即可得到理想的分割效果。但是由于机器学习样本中没有储存相应的文本，
对于前四个字符判断全部出错，而储存了'M'字符后，虽然周围有干扰，依旧可以识别。

支持向量机

SVM，即支持向量机（support vector machine），是机器学习中常用的分类器，或算法。
理论非常高深啊，核函数各种看不懂，简单来说是将低维度的复杂问题转为高维度的简单问题从而解决 or 寻找某个分割的超平面。。（应该是吧）
在学习机器学习过程中实现过SVM，在这个程序中使用了sklearn中的svm，具体代码在UITest.py文件的
p2tTest和loadData函数中，其中loadData为svm加载学习样本，样本储存路径见代码。
学习结果在样本足够充足的情况下是比较乐观的，基本可以排除大部分干扰线情况。

部分图像处理截图

二值化实例图如下，这类是简单型验证码，直接使用函数返回灰度阈值即可

这类验证码识别、分割较难，或者根本无法进行分割操作