复杂背景的验证码破解
首先我们要去除它的背景，对于这样稍微复杂的背景，用过去的方法很难做到，上图的例子还不是很明显，我发现很多图片背景色和字母色近似，而且字母颜色是不断变化的，背景也是不断变化的
那我初始的想法是找到图片中使用颜色最多的方法，于是我们用HSL表示各点颜色，接着进行统计，得到最大的几个峰值，这里便是图片中几个最丰富的颜色的L值得累加值
其余的都可以认为是噪音，我们对每个峰值进行分割，得到如下图片
你看这样就把单个颜色图片分割出来了，接下来就是找到图片中除去黑色和白色后的图片
然后进行灰化处理，阀值处理，降噪，得到
接着根据边界检测出来的最左侧x位置，来排序字母顺序
接下来的事情就轻车熟路了，把图片转成标准模板，通过少量学习就达到了95%以上的识别率
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
以上数据表示 c学习15次 j学习8次…
只要字符不粘连，大部分验证码干扰技术都是可以有办法，所以为什么google验证码看起来很简单，但是没有人能够很好的破解它得原因。
补充，
rise在留言中发现有一些字符加入杂点的问题，由于这种验证码不是很普遍，稍微做了研究
CY3E 这个图片3字中有杂点，其他没有，按照文章中介绍的办法，怎么知道这个3不是像其他颜色杂点一样的图片呢？
我觉得需要加入一个步骤，就是对每次过滤颜色生成出来的图片，进行填充
找到3的杂点原图：
然后我们进行算法填充
这个图片与其他全部是杂点的图片之间的差别进行过滤，我考虑可以通过以下方法：
1、连贯点的宽度
2、连贯点的个数
这样剩下的就只剩下CY3E的过滤后的图片
至于字符倾斜的问题，我觉得完全可以在机器学习过程中，我们自己旋转正在学习的图片一定角度，例如从-10到+10度，只不过这样的学习库会大一些，但是就10个数字的验证码来说，这点性能损失应该可以忽略不计。
7月 18th, 2008 at 18:53 #rise
你这个是什么时候的版本的？现在discuz每个字符都加入了很麻烦的杂点，字符不再是纯色的了，这个怎么处理呢？还有，部分验证码两个字符是同样的颜色的，这样也不好办吧？
7月 20th, 2008 at 03:32 #4111y80y
to rise:
我们现在只完成这两种
http://www.discuz.net/reg.php 里面的这种在另外一篇里面有介绍
http://www.seoo.org/2008/06/09/discuznet%e7%9a%84gif%e5%8a%a8%e7%94%bb%e9%aa%8c%e8%af%81%e7%a0%81%e7%a0%b4%e8%a7%a3%e6%88%90%e5%8a%9f.html
不知道你说的哪种，给个例子吧？
7月 20th, 2008 at 21:22 #rise
我说的是复杂背景这种，而且我研究的这种，字符角度随机、字符可能出现同色、且字符内有明显的杂点。以致于我开始用字符颜色来匹配、去背的时候，常常连字符杂点去去掉了，这样字符内就会出现“镂空”的现象。以下是一个具体的链接，可以用ps放大研究一下。
http://www.tz94.com/bbs/tz94.php
7月 20th, 2008 at 21:27 #rise
你所举例子，是一个字符内没有杂点的纯色字符，而最后识别结果那些验证码却是全部有杂点的，会不会你制作图的时候压缩图片时引入的？所以在这里提一下疑问，具体你用ps观察一下。另外你写的这个贴子我很喜欢，排版、实验结果图都做得很精致，看得出你是非常用心的一个人。
http://www.seoo.org/2008/07/06/%e5%a4%8d%e6%9d%82%e8%83%8c%e6%99%af%e7%9a%84%e9%aa%8c%e8%af%81%e7%a0%81%e7%a0%b4%e8%a7%a3.html#comment-5
我说的是这个主题
7月 21st, 2008 at 02:27 #4111y80y
to rise:
http://www.discuz.net/reg.php
因为是discuz论坛的官方网站，所以研究这种会有一定的普遍性
个别字符内部杂点的问题，我刚才用你的例子做了一点测试，在本文中做了一点补充
7月 21st, 2008 at 17:06 #rise
不错。我用的是近似色的方法，字符内的杂点大都与字符色本身很接近的，在用smooth方法后，颜色更为接近了，这样就可以把杂点与字符色处理成同种颜色（作范围测试）。
7月 21st, 2008 at 17:21 #4111y80y
对，我去看看smooth的效果