以DZ論壇驗證碼識別為例： 對于比較復雜的驗證碼，比如DZ論壇最新的驗證碼，處理起來相對麻煩一些，但是原理還是和普通的識別一樣的，無非多了個背景處理的方案，看如下對DZ論壇的驗證碼的識別的思路。  首先我們要去除它的背景，對于這樣稍微復雜的背景，用過去的方法很難做到，上圖的例子還不是很明顯，我發現很多圖片背景色和字母色近似，而且字母顏色是不斷變化的，背景也是不斷變化的。      那我初始的想法是找到圖片中使用顏色最多的方法，于是我們用HSL表示各點顏色，接著進行統計，得到最大的幾個峰值，這里便是圖片中幾個最豐富的顏色的L值得累加值。  其余的都可以認為是噪音，我們對每個峰值進行分割，得到如下圖片  你看這樣就把單個顏色圖片分割出來了，接下來就是找到圖片中除去黑色和白色后的圖片：  然后進行灰化處理，閥值處理，降噪，得到：  接著根據邊界檢測出來的最左側x位置，來排序字母順序：  接下來的事情就輕車熟路了，把圖片轉成標準模板，通過少量學習就達到了95%以上的識別率： c:15 j:8 8:7 t:9 9:4 x:7 4:6 2:4 h:7 f:8 e:18 b:5 y:3 k:4 w:3 g:5 3:5 7:6 r:2 m:3 q:4 v:2 p:3 6:2 以上數據表示 c學習15次 j學習8次…  只要字符不粘連，大部分驗證碼干擾技術都是可以有辦法，所以為什么google驗證碼看起來很簡單，但是沒有人能夠很好的破解它得原因。 補充， 有一些字符加入雜點的問題，由于這種驗證碼不是很普遍，稍微做了研究  CY3E 這個圖片3字中有雜點，其他沒有，按照文章中介紹的辦法，怎么知道這個3不是像其他顏色雜點一樣的圖片呢？  我覺得需要加入一個步驟，就是對每次過濾顏色生成出來的圖片，進行填充 找到3的雜點原圖：  然后我們進行[算法](http://cpro.baidu.com/cpro/ui/uijs.php?adclass=0&app_id=0&c=news&cf=1001&ch=0&di=128&fv=18&is_app=0&jk=ca709a7c2cee8241&k=%CB%E3%B7%A8&k0=%CB%E3%B7%A8&kdi0=0&luki=1&n=10&p=baidu&q=67051059_cpr&rb=0&rs=1&seller_id=1&sid=4182ee2c7c9a70ca&ssp2=1&stid=0&t=tpclicked3_hc&td=1740074&tu=u1740074&u=http%3A%2F%2Fwww%2Eeducity%2Ecn%2Flabs%2F649007%2Ehtml&urlid=0)填充：  這個圖片與其他全部是雜點的圖片之間的差別進行過濾，我考慮可以通過以下方法： 1、連貫點的寬度 2、連貫點的個數 這樣剩下的就只剩下CY3E的過濾后的圖片了。 至于字符傾斜的問題，我覺得完全可以在[機器學習](http://cpro.baidu.com/cpro/ui/uijs.php?adclass=0&app_id=0&c=news&cf=1001&ch=0&di=128&fv=18&is_app=0&jk=ca709a7c2cee8241&k=%BB%FA%C6%F7%D1%A7%CF%B0&k0=%BB%FA%C6%F7%D1%A7%CF%B0&kdi0=0&luki=2&n=10&p=baidu&q=67051059_cpr&rb=0&rs=1&seller_id=1&sid=4182ee2c7c9a70ca&ssp2=1&stid=0&t=tpclicked3_hc&td=1740074&tu=u1740074&u=http%3A%2F%2Fwww%2Eeducity%2Ecn%2Flabs%2F649007%2Ehtml&urlid=0)過程中，我們自己旋轉正在學習的圖片一定角度，例如從-10到+10度，只不過這樣的學習庫會大一些，但是就10個數字的驗證碼來說，這點性能損失應該可以忽略不計。