分割验证码有啥好的方法吗

[TheWinds]

😂😂参照你的代码写了一个golang版本的，识别一次大概200ms，只是还没想好怎么分割比较好

[Kuri-su]

Wow!Cool！

以这个举例吧
◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◇◇◇◇◇◇◇◇◇◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◇◇◇◇◇◇◇◇◇◆◆◆◇◇◇◇◇◇◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◆◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◇◇◇◆◆◆◇◇◇◆◆◆◇◇◇◆◆◆◆◆◆◇◇◇◇◆◆◆◆◆◆◆◆◇◇◇◇◇◇◆◆◆◆◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◇◇◇◆◆◆◆◇◇◆◆◆◇◇◇◆◆◆◆◇◇◇◇◇◇◆◆◆◆◆◆◆◆◆◇◇◇◇◆◆◆◇◇◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◆◆◆◇◇◇◆◆◆◆◆◇◆◆◆◇◇◇◆◆◆◇◇◇◇◇◇◇◆◆◆◇◇◇◆◆◆◇◇◇◆◆◆◇◇◇◇◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◆◆◆◇◇◇◆◆◆◆◆◇◇◆◆◇◇◇◆◆◆◇◇◇◇◇◇◆◆◆◇◇◇◇◇◆◆◆◇◇◆◆◆◇◇◇◇◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◆◆◆◇◇◆◆◆◆◆◆◇◆◆◇◇◇◇◆◆◆◇◇◇◇◇◆◆◆◇◇◇◇◇◆◆◆◇◆◆◆◆◆◆◆◆◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◆◆◆◇◆◆◆◇◆◆◆◆◆◇◇◇◇◆◆◆◇◇◇◇◇◆◆◆◇◇◇◇◇◆◆◆◇◇◆◆◆◆◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◆◆◆◆◆◆◆◇◆◆◆◆◆◇◇◇◇◆◆◆◇◇◇◇◇◆◆◆◇◇◇◇◇◆◆◆◇◇◆◆◆◇◇◇◇◇◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◆◆◆◆◆◆◇◇◆◆◆◆◇◇◇◇◆◆◆◇◇◇◇◇◆◆◆◇◇◇◇◆◆◆◆◇◇◇◆◆◆◇◇◇◇◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◇◆◆◆◆◆◇◇◇◆◆◆◇◇◇◇◇◆◆◆◇◇◇◇◆◆◆◆◇◇◇◆◆◆◇◇◇◇◆◆◆◆◇◆◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◇◇◆◆◆◆◇◇◇◇◇◇◇◇◇◇◇◆◆◆◇◇◇◇◆◆◇◆◆◆◆◆◆◆◇◇◇◇◇◆◆◆◆◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◇◇◆◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◆◆◆◆◇◆◆◆◆◆◇◇◇◇◇◇◇◆◆◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◇◇◇◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◆◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◆◆◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇
◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇◇

我觉得这里切割也处理的不是特别好，方正这边字母会旋转，切割处理不好会影响后面的识别率

程序他会把上面二值化的结果以1(有像素点),0(无像素点)存到二维数组中，首先如果数组一列的和为0那么就是空行，他从左向右切割，从上到下检查，首先从左到右，找到第一个字母的左端横坐标(也就是第一次数组一列不为零的横坐标)，然后继续向右寻找第一个字母的右端横坐标，从上往下三个IF，

1. 第一个是用来判断到达一个阈值以后是否应该继续向后截取（防止粘连时将两个字母当一个字母截了，）那个Estimate函数应该是用来判断向右看几格，如果几格之内找不到一个空列，就在当前位置强行截断，并记录横坐标值，

2. 第二个是用来应对如果两个字母中间有一些没去掉的噪点，或者一两个点的时候，如果单纯用有没有空列判断，他会把这两个字母当一个字母截了。。。或者像1的if里面强行截断，截散了，所以这里如果字母宽度大于9了，且这一列只有两个点，就可以截断了

3. 第三个是应对i和j这类，如果大于2而且出现空列，就可以直接截了

截取里面写了这三个判断，感觉自己上面说的也有些不清不楚的(早上没睡醒TAT)，如果有哪里没明白可以提出来再继续讨论哈~ : P

//切割第一个字母的后竖线
`

for ($x = $tmp_x; $x < $width; ++$x) {
    $num = 0;
    for ($y = 0; $y < $height; ++$y) {
        $num += $all[$y][$x];
    }

    if ($x - $tmp_x > $yz) {
        if (!Estimate($x, $y, 'vertical', $all, $height)) {//判断是否应该继续截取
            //如果判断向后是无法找到可以停止的参照，那么就在阈值处截断，
            $end_x1 = $x;
            $tmp_x = $x;
            break;
        }
    }
    if ($num <= 2 && $x - $tmp_x > 9) {//在截取的位置宽度大于9以后如果有一行只有两个点或一个点则截断
        $end_x1 = $x + 1;
        $tmp_x = $x + 1;
        break;
    }
    if ($num == 0 && $x - $tmp_x > 2) {//有空行，且截取的宽度>2
        $end_x1 = $x;
        $tmp_x = $x;
        break;
    }
    
}

`

[TheWinds]

是的看你代码是这样的

• 1.y轴投影为0，有空隙，直接截取
• 2.大于宽度小于阈值选择附近比较稀疏的列截取
• 3.直接在阈值处截取
  👍
  对了，你的字典是训练出的,还是各个角度模拟出的 ⚡️

[Kuri-su]

自己当人肉打码工手动调教添加的（上课拿着台电脑在那打码2333），可以看下AddDictionary.php这个文件，比较方便的手动添加字典。

不过如果能从各种角度模拟，更有针对性的去训练它的话，可能效果更好也说不定，因为现在的字典里可能有一些冗余的数据

哦抱歉，我可能理解错你的意思，就切割这块的其他想法的话，因为也比较久了，想法上也忘得差不多了，可能给不了太多的建议，抱歉哈

[Kuri-su]

不过这两天看了swoole以后我也在考虑是不是可以四个字母的对比识别用多线程并行，这样效率可能会高些吧，缩短时间

[TheWinds]

原来如此！
多线程确实可以节约3/4时间。