二九文学

手机浏览器扫描二维码访问

058 爬虫迭代2 0版本（第2页）

“样本呢？”

张远问。

“你负责收集和标注。”

陈帆打开一个共享文件夹，“每张图对应一个文本文件，写明正确答案。

两千张起步，越多越好。”

张远立刻掏出旧手机，连上电脑。

“我用这个拍网页，一次生成一个新验证码。

拍完马上标，不重样。”

分工落定，三人各自进入状态。

李阳埋头编写图像预处理函数。

他先测试灰度转换算法，将一张带背景纹理的验证码转为单通道图像，再通过阈值分割实现二值化。

屏幕上原本杂乱的颜色块变成了清晰的黑字白底，但噪点仍然粘连在字母边缘。

“得加形态学操作。”

他低声自语，引入腐蚀与膨胀处理，逐步剥离附着物。

几分钟后，一个原本模糊的“Q”

终于显现出完整轮廓。

张远那边节奏更快。

手机每隔十秒就自动截图一次，他一边查看图像质量，一边手动输入答案。

到了中午，桌面上已经堆了三十多页标注表。

他的手指发酸，视线也开始发花，但动作没停。

“这玩意儿越来越难。”

他揉了揉眼睛，指着屏幕上一组新样本，“你看这个‘B’，右边竖笔被拉长成波浪形，差点跟下一个字符连上了。”

“那就调整切割窗口大小。”

李阳接过来看了一眼，“改成自适应分割，根据字符密度动态划分区间。”

下午四点，第一个完整识别流程跑通。

程序成功从截图中提取出“6H2”

，并自动填入表单字段。

但他们很快发现，成功率只有不到三成。

大部分失败出现在字符粘连或断裂的情况下。

“需要更多训练样本。”

李阳说，“尤其是那些极端变形的例子。”

张远立刻加大采集频率。