搜索资源列表
ReadPic
- 一款简单的验证码识别工具，在初始化状态下可以进行图片的分割、学习，获取字符的特征码，并保存到INI文件中，当学习足够多图片后就能准确地识别同类型的验证码。 本程序主在提供一种分析的思路方法，如何对验证码进行分割、过滤、规格化，去除杂点是识别的关键部分，每步过程都呈现在界面上。-A simple verification code recognition tools, in the initialization state, the picture can be split, study, a
基于识别反馈机制的多粘连字符分割与识别
- 基于识别反馈机制的多粘连字符分割与识别 验证码识别相关资料，主讲字符分割-Feedback mechanism based on recognition of multi-adhesion character segmentation and recognition verification code to identify the relevant information, speaker character segmentation
OTP
- 利用图像变换分析分割验证码图片为单个字符-Analysis of segmentation using image transform images into a single character code
captcha_recognition
- 验证码图片的腐蚀和膨胀以及滤波，可以用于淘宝验证码分割的基础-Verification Code Pictures of the corrosion and expansion, as well as filtering, can be used Taobao basic partition Verification Code
111
- 思路简要说明： 1、图像二值化 将图片中的各点用0或1表示，1为有效点，0为背景。这里使用的是最大类间方差法 （otsu），在资料中有介绍。 2、去除干扰点 3、分割 将整个的图片分为每个单独的字，在下一步中才能一一识别。 4、与样本库进行对比，寻求最近似匹配 这步是比较核心的地方，由于要识别的图形每次都是随机变化的，我们不能进行完 全匹配识别，所以使用的是‘欧氏距离’来进行最近似匹配，资料中的《自由手写体 数字识别》里面有详细说明。
chap11
- 数字验证码识别，需要训练。目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目
mori-gimpy
- 一篇关于图像扭曲恢复的算法思想,主要用于高级验证码的识别分割部分-A distorted image restoration algorithms on the idea, mainly for high-level segmentation part of the identification code
yzmsb
- 验证码识别,带特征码学习,可以做为识别引擎来使用,仅作参考.-Code recognition, with signature learning, can serve as a recognition engine to use only for reference.
yzm-shi-bie
- 易语言天联验证码识别源码例程程序结合易语言扩展界面支持库和互联网支持库，实现网站验证码图片的识别。 点评：读取网站验证码图片，进行分割后在画板中放大写出，加以识别。本例程是识别验证码图片的一种方法，值得学习借鉴-Easy language day routines associated verification code program with easy to identify the source language extensions to support libraries
331
- 易语言验证码分割识别源码,很不错的易语言源码，适合易语言爱好者学习。-The easy language verification code split identify the source, very good and easy language source code for easy language lovers learn.
验证码识别第一种
- 这是第一种识别的验证码 识别步骤： 1。灰度 2。阈值化 3。把单个字符分割出来（在这里把 0 - 9 取一个样本出来识别用） 4。点阵对比
验证码识别第三种
- 这个验证码要识别不难，在这里每个字符用十几个样本已经可以达到不错的识别率 识别步骤： 1。用中值模糊处理一下杂点 ，杂点几乎都处理掉 2。灰度处理 3。阈值化处理 4。把单个字符分割出来 5。找到字符的再小包围矩形，再根据这个矩形的角度矫正一下 6。把每个字符图片缩放成一个尺寸（在里取样本） 7。识别方法直接用点阵相似度对比
验证码识别第四种
- 一眼看上去一堆的干扰线好像很乱，实际上字符没有倾斜，没有缩放变形，比第二个还要简单 识别步骤： 1。还是灰度一下 2。阈值化 （要把字符分割出来几乎是不可能的，反正我没办法用代码分割出来，在这里唯有人工把字符分割出来当样本） 3。把每个样本都在图片上扫描一遍，样本上是白色的地方如果在图片也是白色的就表示这个字符匹配上
验证码识别第五种
- 一眼看上去一堆的干扰线好像很乱，实际上字符没有倾斜，没有缩放变形，比第二个还要简单 识别步骤： 1。还是灰度一下 2。阈值化 （要把字符分割出来几乎是不可能的，反正我没办法用代码分割出来，在这里唯有人工把字符分割出来当样本） 3。把每个样本都在图片上扫描一遍，样本上是白色的地方如果在图片也是白色的就表示这个字符匹配上
验证码识别第六种
- 识别步骤： 1。常规动作，灰度处理一下 2。还是老样子，阈值化 3。把干扰点去掉 4。把图片分割成四份，第一份是被加（减）数，第二份是运算符号，第三份加（减）数，第四份是等号和问号（这份不要） 5。把上面分割出来的三张图片各自的数字和符号分割出来 6。然后缩放成一个尺寸（数字和符号各自放到一个样本库里） 7。还是用点阵相似度识别 8。再后就是把识别出的数字该加的加，该减的减。
Dropfall
- 滴水算法实现验证码图像分割，通常须结合普通投影分割。(Drop algorithm to achieve verification code image segmentation, usually combined with ordinary projection segmentation.)
新建文件夹 (2)
- 使用特征提取与模板匹配方法识别数字验证码，预处理阶段包括验证码图像灰度化、二值化、去噪，去噪使用RGB三原色法，验证码字符分割采用自适应分割方法，最后提取单个验证码图像特征值，与模板库字符进行匹配识别(The use of feature extraction and template matching method of digital identification verification code, verification code preprocessing consists of i
4027885
- 易语言验证码分割识别源码,很不错的易语言源码,适合易语言爱好者学习,()
验证码识别预处理源码VC6-FirstMAP
- 二值化,16色化,根据跨度去色,去横线,去纵线,多种去噪,多种分割,图像放大,自动批量操作(Binarization, 16 color, according to the span of color, to line to line, a variety of a variety of segmentation, denoising, image zooming, automatic batch operation)
验证码图像预处理与分割
- 用于简单网站二维码图像识别的预处理与分割，粘连等情况未予考虑