led调光电源
)是最重要的中⽂学术资源数据库，收录绝⼤多数中⽂学术刊物。我们可以检索论⽂，也可以导出检索结果前6000条论⽂的题录数据。 在CNKI检索结果翻页10次以上，⽤户需要⼿动输⼊验证码才能继续。为了实现⾃动化题录数据导出，我们就需要通过程序识别验证码。最终，基于Eugu.CV实现验证码识别，正确率在70%以上，能保证⾃动化导出过程的连贯。
CNKI验证码识别主要分为四个步骤：
2 去掉⼲扰点
网站生成系统
3 ⼆值化
4 基于Tesseract识别
CNKI验证码是长这个样⼦。
⾸先，要去掉验证码图⽚的灰⾊⼲扰线，如图：
投篮训练器
去掉⼲扰线的思路：⼲扰线都是灰⾊，⽽灰⾊的RGB三⾊的值相对来说都⽐较⼤，所以将RGB三⾊值均⼤于150的点的颜⾊设置成⽩⾊。代码如下：
Bitmap bmp = (Bitmap)Image.FromFile(imagePath);
for (int i = 0; i < bmp.Width; i++)
{
for (int j = 0; j < bmp.Height; j++)
{
Color color = bmp.GetPixel(i, j);
int threshold = 150;
if (color.R > threshold && color.G > threshold && color.B > threshold)
{
Color newColor = Color.FromArgb(255, 255, 255);
bmp.SetPixel(i, j, newColor);
}
}
}
然后，去掉⼲扰点，如图：
去掉⼲扰点的思路很简单，遍历每个点，如果它上下左右8个邻居点，有6个以上是⽩⾊的点，就把这个点也设置成⽩⾊。
for (int i = 0; i < bmp.Width; i++)
{
for (int j = 0; j < bmp.Height; j++)
{
var colorList = GetColorList(bmp, i, j);
var count = colorList.Count(x => x.R == 255 && x.G == 255 && x.B == 255);
if (count >= 6)
碳油{
bmp.SetPixel(i, j, Color.FromArgb(255, 255, 255));
}
}
一流多开}
图⽚识别前需要⼆值化，也就是把图⽚变成⿊⽩两⾊，即把所有的点都变成⿊⾊。
Eugu.CV提供了⼆值化的⽅法。
var gray = new Image<Gray, Byte>(bmp);
var image = gray.CopyBlank();
CvInvoke.Threshold(gray, image, 120, 255, ThresholdType.Triangle);
最后，就是⽤Eugu.CV集成的Tesseract-OCR识别⼆值化图⽚。
Tesseract是⾮常强⼤的OCR开源库，Eumu.CV集成了Tesseract 4.0，可以⽤lstm识别模式提供识别效率。
Emgu.CV.OCR.Tesseract ocr = new Emgu.CV.OCR.Tesseract(path, "eng", Emgu.CV.OCR.OcrEngineMode.LstmOnly, whitelist, true);
ocr.PageSegMode = Emgu.CV.OCR.PageSegMode.SingleLine;
var gray = new Image<Gray, Byte>(image);
ocr.SetImage(gray);
if (ocr.Recognize() != 0)
throw new Exception("Failed to recognizer image");
var list = ocr.GetCharacters().Select(x => x.Text);
textBox.Text = string.Join("", list);
如果你对识别结果的精确度不够满意，还可以通过Tesseract⾃⼰训练提⾼识别精度。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议