验证码的出现主要是为了区分用户是计算机还是人，比如数字验证码、字符验证码、滑动验证码等等。通常验证码是用来防止爬虫程序恶意抓取信息，或者防止批量注册等等，但是这验证码并不是万能的，还是可以突破的，那么这爬虫怎么突破验证码限制？

本文介绍了一套字符验证码识别的完整流程，对于验证码安全和OCR识别技术都有一定的借鉴意义。

一、图片素材收集

1.选定素材类型

此图片能满足要求，仔细观察其具有如下特点。

有利识别的特点 ：由纯阿拉伯数字组成、字数为4位、字符排列有规律、字体是用的统一字体 。

不利识别的特点 ：图片背景有干扰噪点 。

2.爬取素材，主要步骤如下：

通过浏览器的抓包功能获取随机图片验证码生成接口，批量请求接口以获取图片，将图片保存到本地磁盘目录中，循环执行N次，即可保存N张验证素材了。代码，如下：

效果图：

二、图片预处理

虽然目前的机器学习算法已经相当先进了，但是为了减少后面训练时的复杂度，同时增加识别率，很有必要对图片进行预处理，使其对机器识别更友好。

1.二值化图片

将RGB彩图转为灰度图，将灰度图按照设定阈值转化为二值图：

由PIL转化后变成二值图片:0表示黑色,1表示白色。二值化后带噪点的 6937 的像素点输出后如下图：

2.去除噪点

在转化为二值图片后，就需要清除噪点。本文选择的素材比较简单，大部分噪点也是最简单的那种 孤立点，所以可以通过检测这些孤立点就能移除大量的噪点。

关于如何去除更复杂的噪点甚至干扰线和色块，有比较成熟的算法: 洪水填充法 Flood Fill ，后面有兴趣的时间可以继续研究一下。

经过预处理后的图片如下所示:

对比文章开头的原始图片，那些 孤立点 都被移除掉，相对比较 干净 的验证码图片已经生成。

三、图片字符切割

1.分割算法

使用图像编辑软件（PhoneShop或者其它）打开验证码图片，放大到像素级别，观察其它一些参数特点：

可以得到如下参数：

• 整个图片尺寸是 40*10

• 单个字符尺寸是 6*10

• 左右字符和左右边缘相距2个像素

• 字符上下紧挨边缘（即相距0个像素）

这样就可以很容易就定位到每个字符在整个图片中占据的像素区域，然后就可以进行分割了，具体代码如下：

然后就能得到被切割的 原子级 的图片元素了：

2.尺寸归一

本文所选择的研究对象本身尺寸就是统一状态：6*10的规格，所以此部分不需要额外处理。但是一些进行了扭曲和缩放的验证码，则此部分也会是一个图像处理的难点。

在前面的环节，已经完成了对单个图片的处理和分割了，后面就开始进行识别模型的训练了。关于后续识别可以了解更多的精灵代理资讯。