在科大上学已经半年多了，在研一下的这个学期里，有太多的英语课，科大的英语课有很大一部分是需要进行预约的，预约后去EPC(English Practice Center)学习。每次在电脑上查询在哪个屋上课甚是麻烦，于是打算做一个android手机小应用来方便的查询预约课程信息以及对课程进行评价。当然最后也要加入一些其他的功能，比如课表，成绩，研究生新闻的查看。
不论是研究生系统还是EPC网站，登陆的时候都需要输入验证码，识别验证码是所有其他工作的开始。近来对SVM（支持向量机）看了一些，打算使用SVM对验证码进行学习后预测。
下面首先看一下验证码的样式：
对其中的若干张放大一下如下图：
从图中我们可以很好的将验证码只有数字，且整体图片只有2种颜色，白色与红色。我们只需要按照以下步骤操作即可：
① 图片数字化与格式化
② 除干扰
③ 使用SVM进行学习
④ 使用学习后建立的模型预测验证码
下面对每一步进行分析：
① 图片数字化与格式化
图片的数字化还是很容易的，简简单单的将图片的像素值读取即可
图片的格式化就是将整个图片标志为0与1的点，即红色为1，背景色为0（反过来也一样了）
对其中一张2856的验证码进行操作，
使用空格代替0之后的结果如下：
由上图可以很清楚的看到验证码数字了。
② 除干扰
第一步已经将图片数字化与格式化了，但是里面还是有一些干扰的，我们可以很明确的看出，如果一个点（1）周围全部是背景色（0）的话，这个点完全可以被认为成噪声，也即干扰点。简单处理后结果如下：
这样看起来就更好了。
③使用SVM进行学习
由于验证码非常的简单，所以我从下载的10000张8验证码中手动标注了100张进行学习，使用libSVM进行模型建立。整体上操作如下：将图片分成4部分，每一部分相当于10*10的一个二位数组，也相当于每一个验证码数字对应100维（仔细观察可以得出60维就可以了），验证码的识别等价于了一个分类问题，即一个物品有100个属性，同时这个物品的最终分类有10种，需要我们做的就是将其正确分类。这个学过数据挖掘知识的盆友应该都比较了解，具体大家可以google一下。当然svm知识一种放法，数据挖掘中处理分类问题有很多方法，决策树，神经网络，贝叶斯网络等，这里不再叙述。
④使用模型对验证码进行识别
使用第三步中建立的模型对剩余的9900张验证码就行识别，经验证，识别率为100%。
这一个验证码是比较的简单，没有旋转，没有缩放，非常的规则，所以我们可以很轻松的进行识别。我在另一个网站上也看到了下面的这种也是比较简单的验证码;
这一种验证码比上面的略微复杂一点，不再是只有数字，而是数字和字母混在一起，颜色比较的多样，不过原理和上面的一样，无非在不同区域选择不同的主色，其他的全部作为背景色而已。使用相同的方法，最终此种验证码识别率也为100% 。
验证码识别做完了，下面做Android应用基本就是体力活了，整体上都是网页的分析，数据的获取了。经过几天的奋战，科大小秘书做完了，虽然做的比较丑陋，但是至少比较实用吧，还为它做了个小主页点击打开主页，也把应用上传到了google play中。
收到很多朋友的来信，询问具体的代码实现，经过整理后，代码已经分享到github上，https://github.com/androiddevelop/SimpleCheckcodeRecognition.
如有任何知识产权、版权问题或理论错误，还请指正。
转载请注明原作者及以上信息。
