© 野比 2012
欢迎大家和我讨论相关问题。
代码在此（注意此版并非最终版）
光学字符识别（OCR）是非常有用的技术。在验证码识别、车牌号识别、文字识别方面，基于字符的识别技术算是比较容易上手的了（相比图文识别）。
闲来看到有朋友研究验证码识别，一时手痒，野比自己动手来做做验证码识别。当然，肯定只是简单的验证码。
名为验证码，实际上并不限于，还可以识别车牌号、身份证号、门牌号等各种乱七八糟的内容。
识别的流程很明确：
1、预处理图像
2、做y轴的投影
3、分析直方图分区
4、根据分区拆分图像为多个字符（很关键，拆得越好，后续识别率越高）
5、丢弃空白或无效字符
6、自动旋转字符（如果有倾斜），识别字符
如果样本中个图像有粘连，则可能造成分区不准确。这种情况下，需要进行旋转，但是怎样自动旋转，是个难题。
目前已可拆分出字符，下一步准备研究如何识别。（如果单个字符比较规范，可以利用现成的OCR控件）
这里有一些例子。
普通的验证码（毫无难度）
带干扰的验证码
较高强度干扰（目前使用的分区算法不能解决，需要更好的算法，比如动态阈值）
CSDN的验证码（毫无压力）
身份证号码
车牌号
补充个QQ验证码，用单一阈值方法，识别很困难，需要结合字符宽度进行判断
这是单一阈值分区的结果（没有限制宽度），可以看到效果很差。
继续研究如何优化分区算法，如何识别单个文字（可以考虑多重识别+样本训练）。
附上太平洋网站验证码。
有些粘连，但是可以通过固定字符宽度解决（宽度基本一致）
参考这张图（获得整个宽度，然后除以字符数得到每个宽度，分别提取）
二值化我用的Otsu算法，参考文献："A threshold selection method from gray-level histograms", IEEE Trans. Systems, Man and Cybernetics 9(1), pp. 62–66, 1979
关于验证码，这篇论文很不错，建议参考："Text-based CAPTCHA Strengths and Weaknesses", ACM Computer and Communication security 2011 (CSS'2011)
© 野比 2012
改进的去污算法
污损车牌号拆分字符
Ref:
二值化我用的Otsu算法，参考文献："A threshold selection method from gray-level histograms", IEEE Trans. Systems, Man and Cybernetics 9(1), pp. 62–66, 1979
关于验证码，这篇论文很不错，建议参考："Text-based CAPTCHA Strengths and Weaknesses", ACM Computer and Communication security 2011 (CSS'2011)