先感谢这篇留言的大大
https://www.ptt.cc/bbs/Python/M.1504617371.A.CF2.html
给我一些关键字，之后我就靠着 google，做些修正，加入自己的想法，
以下范例是 台铁验证码
原始图
https://imgur.com/BVqh2hY
灰度&去杂点
https://imgur.com/TdeOWV0
分割成个别数字
https://imgur.com/OqaXK4q
https://imgur.com/e1pFLBd
https://imgur.com/DI2LTJs
https://imgur.com/bBag7rS
https://imgur.com/BEpv1io
如果有兴趣，code 我已经上传 github ，不懂可以再寄信给我
https://github.com/f496328mm/Verification_code_image
另外我想请问，影像处理还有什么方法？除了我目前做的验证码之外
我目前在做 CIFAR-10 我用VGG，准确率都在0.8左右，
不知道要如何冲上0.9，甚至是0.95，
我只有做最基本的

我有做了个台铁的https://goo.gl/Aiz52x训练出来的成功率98% 但遇到相黏的字成功率为0应该说 单个字成功率98% 验证码成功率是0.98^6

还没点进code里面去看但是请问一下你的分隔字是怎么做到的呀？

有用到opening和closing吗

我能判断出相黏的数字位置 但要怎么切就没想法了

open close 给你参考 http://monkeycoding.com/?p=586至于切字 我有做切线相关的想法 不过还没实做

喔喔喔喔!我懂了 但是每张图的字位置不会一样吧(?)这样会不会有点针对某张图分析呀open 是扩张 close 是收缩(我的理解啦xd

先推个

去噪声之后那个图很漂亮，直接dilate到一团，然后用find contour找rect，不用自己数，比较简单比较快

findContour就是找轮廓正确说是平滑化 是用来除噪声的 但是相对代价是影像会变模糊参照 opencv blur我发现我推文有点跳痛 我平滑化那边是讲模糊化这件事

你是直接用vgg这些inference吗?或许你人工做一些资料 再用VGG transferlearning ?