Python用 KNN 进行验证码识别的实现方法

下面是 Python 用 KNN 进行验证码识别的完整攻略。

一、前言

在验证码识别过程中，KNN 算法能够很好地应用。KNN，即 k-近邻算法，其本质是通过计算待识别样本与训练数据集中的每个样本之间的距离，然后按照距离排序，选取前 k 个距离最近的邻居，统计这 k 个邻居的类别，将其中出现次数最多的类别作为待识别样本的类别。

在 Python 中，通过 scikit-learn 库可以很方便地实现 KNN 算法，下面我们将讲解如何用 Python 实现验证码识别。

二、准备工作

在开始本文的实例之前，我们需要完成以下准备工作：

1. 安装 Scikit-learn 库和 PIL 库：

pip install scikit-learn
pip install Pillow

1. 准备好训练集和测试集（两者图片数量应当相等），并将图片进行灰度处理。

三、代码实现

下面是 Python 的 KNN 模型代码实现：

from sklearn.neighbors import KNeighborsClassifier
from PIL import Image
import numpy as np

# 读取图片并转换为向量
def getImageVector(filename):
    im = Image.open(filename).convert('L')
    im = im.resize((40, 60))
    im = np.array(im).reshape(1, -1)
    im = im / 255.0
    return im

# 加载训练数据
def loadDataSet():
    dataSetPath = 'train/'
    labels = []
    data = []
    for i in range(10):
        for j in range(50):
            fileName = dataSetPath + str(i) + '_' + str(j) + '.jpg'
            data.append(getImageVector(fileName))
            labels.append(i)
    return data, labels

# KNN 模型分类器
def KNNClassify(train_data, labels, predict_data):
    knn = KNeighborsClassifier(n_neighbors=5)
    knn.fit(train_data, labels)
    res = knn.predict(predict_data)
    return res[0]

接下来进行测试集的分类及准确率计算：

# 加载测试数据
def loadTestData():
    dataSetPath = 'test/'
    labels = []
    data = []
    for i in range(10):
        for j in range(50):
            fileName = dataSetPath + str(i) + '_' + str(j) + '.jpg'
            data.append(getImageVector(fileName))
            labels.append(i)
    return data, labels

# 测试集分类及准确率计算
def TestKNN():
    train_data, labels = loadDataSet()
    test_data, test_labels = loadTestData()

    total = 0  # 测试集总数
    right = 0  # 分类正确数
    for i in range(len(test_data)):
        # 分类
        res = KNNClassify(train_data, labels, test_data[i])
        # 判断是否正确分类
        if res == test_labels[i]:
            right += 1
        total += 1
    print('Test Result:  ', right / total)

四、示例说明

下面我们通过两个示例详细讲解如何实现 KNN 算法进行验证码识别。

示例一：识别数字 0 到 9 的验证码

通过 Scikit-learn 库和 PIL 库很容易地实现，下面是示例代码：

if __name__ == '__main__':
    TestKNN()

示例二：识别手写英文字母验证码

假设现在我们需要对手写英文字母验证码进行识别，这时候我们只需要将训练集和测试集都换成英文字母验证码即可，下面是示例代码：

if __name__ == '__main__':
    # 训练集
    dataSetPath = 'train_en/'
    labels = []
    data = []
    for i in range(26):
        for j in range(50):
            fileName = dataSetPath + chr(65 + i) + '_' + str(j) + '.jpg'
            data.append(getImageVector(fileName))
            labels.append(i)
    # 测试集
    dataSetPath = 'test_en/'
    test_labels = []
    test_data = []
    for i in range(26):
        for j in range(50):
            fileName = dataSetPath + chr(65 + i) + '_' + str(j) + '.jpg'
            test_data.append(getImageVector(fileName))
            test_labels.append(i)

    total = 0  # 测试集总数
    right = 0  # 分类正确数
    for i in range(len(test_data)):
        # 分类
        res = KNNClassify(data, labels, test_data[i])
        # 判断是否正确分类
        if res == test_labels[i]:
            right += 1
        total += 1
    print('Test Result:  ', right / total)

五、总结

Python 的 Scikit-learn 库和 PIL 库可以很方便地实现验证码识别的 KNN 算法。本文以数字验证码和手写英文字母验证码为例，给出了完整的示例代码，希望对大家有所帮助。