一般的图像预处理过程

  • 灰度化：将彩色图像转换为灰度图像，降低处理复杂度。

  • 二值化：将灰度图像转换为二值图像，即只包含黑色和白色，以突出字符。

  • 去噪：使用滤波器去除图像中的噪声，如高斯模糊或中值滤波。

  • 归一化：调整图像的尺寸，使其大小统一，通常为28x28像素，与MNIST数据集中的图像大小一致。

  • 图像分割：将验证码中的每个字符分割开来。这可能涉及到使用图像处理技术来检测和分离字符。

  • 特征提取：将图像转换为特征向量。在MNIST数据集中，每个图像已经被转换为一个784维的向量（28x28像素，每个像素的灰度值作为特征）。

  • 数据增强：为了提高模型的泛化能力，可以通过旋转、缩放、剪切等方法增加数据集的多样性。

  • 标签分配：每个验证码图像都有一个对应的标签，通常是表示图像中字符的序列。

  • 划分数据集：将数据集划分为训练集、验证集和测试集，用于模型训练和评估。

  • 模型训练：使用训练集数据训练模型，如逻辑回归、卷积神经网络（CNN）等。

  • 模型评估：在验证集和测试集上评估模型的性能，使用准确率、召回率等指标。

  • 后处理：对模型的预测结果进行后处理，如根据置信度阈值进行筛选，或者使用语言模型进行进一步的校正。

https://blog.csdn.net/qq_44289607/article/details/122853933

https://blog.csdn.net/weixin_38739735/article/details/135331804