验证码识别之模板匹配方法

在写爬虫的时候难免会遇到验证码识别的问题，常见的验证码识别的流程为：

- 图像灰度化

- 图像去噪(如图像二值化)

- 切割

- 提取特征

- 训练

但这种方法要切割，而且破解验证码的重点和难点就在于 能否成功分割字符 。

本文要介绍的算法 不需要进行切割，也不需要进行机器训练 ，这种方法就是模板匹配：将待识别的文字切割成一个个模板，在待识别的图像中去匹配模板。

这篇文章将分为两个部分：

第一部分介绍模板匹配的基本概念以及模板匹配的一种实现算法：快速归一化互相关匹配算法；

第二部分是一个具体实例。

模板匹配是在图像中寻找目标的方法之一，目的就是在一幅图像中寻找和模板图像最相似的区域。

模板匹配的大致过程是这样的：通过在输入图像上滑动图像块对实际的图像块和输入图像进行匹配。

假设我们有一张100x100的输入图像，有一张10x10的模板图像，查找的过程是这样的：

从输入图像的左上角(0,0)开始，切割一块(0,0)至(10,10)的临时图像；

用某种方法得出临时图像与模板的相似度c,存放到相似度矩阵中（矩阵大小为91 x91）；

切割输入图像从(0,1)至(10,11)的临时图像，对比，并记录到相似度矩阵；

重复上述步骤，直到输入图像的右下角。

最终得到一个相似度矩阵，找到矩阵中的最大或最小值，最大值（最小值）对应的临时图像即为与模板最相似的图像。

在步骤b中，求模板与图像的相似度有多种方法，如平均绝对差算法（MAD）、绝对误差和算法（SAD）、误差平方和算法（SSD）、归一化互相关算法（NCC），本文使用的是归一化互相关算法。

什么是归一化互相关？

从几何图形上来看，空间中的两个向量，同方向平行时，归一化互相关系数为1，表示两个向量最相似，反方向平行时归一化互相关系数为-1，垂直时为0，表示最不相似（用互相垂直的三个向量来代表整个空间也是这个道理，垂直的向量之间不包含对方的信息，相关系数为0），存在一定夹角时处于（-1，1），是不是跟余弦函数很像，cos(0)=1,cos(pi/2)=0,cos(pi)=-1。就是这个样子的，相关系数可以看作是两个向量之间夹角的cosine函数。

在数学中是这么计算cosine函数的，假设两个n维向量X,Y，对应的坐标分别为(x1，x2，…xn), (y1，y2，…yn) 则：

（如果想要了解更多，请参考文献2）

但这是一维的，在模板匹配中要再加一个维度 （具体算法请参考文献3） ，简要说一下文献3的内容：如果直接计算二维相似度的话计算复杂度会非常高，文献3利用快速傅里叶变换与积分图像快速算法来降低计算复杂度。

接下来让我们看一个具体的应用。

模板匹配识别验证码的具体步骤为：

1 找出中所有可能出现的字符，制作成模板集合

2 图像灰度化

3 去噪（二值化）

4 模板匹配

5 匹配结果优化

要识别的如下，以识别中的加字为例：

要从image中找到与模板最匹配的部分，Template图像是事先从image图像中截取的一部分。所用的为python模块skimage中的match_template方法，match_template方法使用的是快速归一化互相关算法 2 。

遍历模板图像集合，与图像匹配，如果dist大于阈值h，则认为此模板在图像中存在，否则不存在，继续匹配下一个模板，直到遍历完所有模板。

以模板‘加’为例，图像大小为40x260，模板大小27x27，result是一个大小为（14，234）的矩阵，即上文提到的相似度矩阵，矩阵中的数值属于[-1,1]，找到result中最大值所处的对应位置即为与模板最匹配的图像位置:x=66,y=11，正好对应模板图像在image中所处的位置。 （更多内容请参阅参考文献4）

但这是比较好的情况，因为在匹配时遍历了所有的模板，而一张中出现的模板数量是有限的，比如数字’四’在中是没有的，这时就要根据某种规则去掉这些在中没有出现的模板：程序中使用dist变量来过滤匹配结果，如果dist变量大于某个值则认为此模板在图像中不存在。

最后的result_list中可能仍然存在一些中不存在的模板或者匹配不精确的模板，比如数字‘一’在模板中不存在，但仍然可以匹配到，因为数字‘二’中可以匹配到‘一’，需要进一步优化，优化方法有很多，比如当匹配到的两个模板距离过近时，选择较大的那个模板，其余方法留给读者自行考虑吧。

后续将会推出如何使用深度学习识别验证码，敬请期待~

参考文献：

>

方法2：自己用PIL写一个

方法3：让用户手工输入验证码。这个比较简单

方法4：让后台程序开一个后门，让你绕过验证码

方法5：直接使用cookie，这样就不用登陆了

任何一个平台都不会保证一定出票，只是vip出票的概率高而已。

提到抢票软件自动抢票行为，不少网络安全专家表示，自动抢票、自动识别在技术上不算高明，只是技术手段代替了人工手段，效率上提高了许多，但同时软件存在信息泄露、诈骗钱财的可能性。

针对大部分抢票软件都存在搭售行为，有业内人士表示，订票付款默认勾选加速包、意外险或者手续费等选项，增加用户购票成本，实际已涉嫌侵犯消费者自主选择权，“如果消费者不仔细看，就会莫名多花冤枉钱，就是趁火打劫。”

一方面软件有风险，一方面用户又觉得软件“方便管用”，其实在很大程度上是无奈的选择。

第三方软件优势

省去手动输入验证码的麻烦

记者测试后发现，通过加速包和会员充值，除了功能有所增加外，对抢票还是没什么帮助。那么抢票软件的优势到底在哪儿？记者发现，抢票软件还是有方便之处的。这5款抢票软件除了在登录12306账号时需手动输入验证码外，在抢票过程中完全不需手动输入验证码和手动刷新。

也就是说，用户只要选定列车时间、出发地、班次后，点击抢票，一直到列车出发前一天，用户可以不用管，系统会自动监控余票，并提交订单，用户只需完成付款即可，省去了手动输入验证码的麻烦。

抢票软件如何实现这一步的？网络安全专家胡瑶告诉记者，绕过安全验证码的方式有很多，业内已出现可识别验证码的程序，自动识别验证码，而普通用户 *** 作则需5~10秒，“软件每分钟能达到15次以上自动抢票，而且是24小时不间断，效率比人手动刷票高很多。”

机器人程序识别图像文字能力准确率比人类高这是事实，不过验证码不一定会没用，但是主要用验证码还是有一定的风险，如果你不喜欢用验证码，那建议可以用免密登录，这是一款不需要密码不需要验证码就能登录的产品。

以上就是关于验证码识别之模板匹配方法全部的内容，包括:验证码识别之模板匹配方法、Python 模拟登陆遇到验证码怎么办、智行抢票加速到vip了会失败吗等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！