摘要：验证码是各大网站用以防范计算机自动程序恶意攻击的手段之一。通过使用数字图像处理中的图片分割、开闭运算等手段，能够识别绝大部分网站的验证码。对验证码识别技术的研究，既能及早发现验证码的漏洞，也能对诸如车牌识别、手写识别等技术起到促进作用。

一、 课题背景

验证码（CAPTCHA）是“Completely Automated Public Turing test to tell Computers and Hunmans Apart”（全自动区分计算机和人类的图灵测试）的缩写，是一种区分当前用户是人类还是计算机的自动程序。在测试中，用户需要根据程序生成的一个问题做出正确的回答，程序据此来判断该用户是人类还是计算机。验证码种类繁多，大体有基于字符的图片验证码、基于问答的验证码、声音验证码等。

目前，应用最广泛的是基于字符的图片验证码，它具有容易产生、不受用户背景知识和文化差异的影响，且暴力破解的难度很大，使用主流的编程语言，很容易可以产生一个包含随机字母或者数字的图片。为了增加识别难度，在生成图片时，往往会加上诸多干扰因素，比如加上前景、背景，字符粘连，字符变形、歪斜等。

验证码为互联网安全作出了很大贡献，但我们不能忽视验证码所存在的漏洞，研究验证码自动识别算法，能够及早发现验证码设计存在的漏洞，并在据此作出调整，以增加验证码的安全性。同时，验证码识别作为一种图灵测试，综合了数字图像处理、模式识别、人工智能等领域的研究成果，也对其他应用如车牌识别、手写文字识别等具有参考作用。

本文所研究的验证码识别算法，主要分为图片预处理、字符分割、模式识别三个步骤。由于各个应用所使用的验证码识别难度不一样，需要根据具体的验证码特点，进行具体分析，这里选取了CSDN的验证码作为主要分析对象。

二、图片预处理

1） 彩色图片灰度化

大部分彩色图像都是采用的RGB颜色模式，但是其并不能反映图像的形态特征，只是从光学的原理上进行了颜色的调配。灰度化的过程就是将有RGB三通道的彩色图像转化为灰度图像的处理，仅保留机器识别时所需要的必要信息，以便于后面的处理操作。在灰度化的过程中，一般是根据一定的系数将三维的RGB色彩降低为一维的灰度值。本人选取的灰度计算公式为：

其中，R、G、B分别是像素点在三个颜色通道的值，Grey为该像素点对应的灰度值。具体计算方法为：依次读取图片每个像素点，获取其RGB值，取三者的平均值作为新图片对应像素点的灰度值。彩色图片灰度化后的结果如表1所示：

2） 灰度图片二值化

经过灰度化的图片，每个像素点的灰度值为0～255之间的任意数。由于验证码图片中背景色与字符颜色具有较大差异，可以通过设定阈值的方法，区分背景和字符。灰度值