Rompiendo un captcha simple

Patrones encontrados:

• Fondo blanco
• Tramado de fondo se mantiene (en color y trazo)
• Combinaciones de letras y números
• Color de letras se mantiene
• Fuente de letras se mantiene
• Rotación del captcha entre -90 y +90 grados

Solución propuesta:

1. Obtener color de fondo
2. Obtener color de las tramas del fondo
3. Obtener color de las letras
4. Cambiar color de las tramas por color de fondo
5. Encontrar angulo de rotación de las letras y rotar por el ángulo inverso
6. Detección de caracters (OCR)

1 Obtener color de fondo

• A simple vista.
• Histograma de colores (primero más predominante)

2 Obtener color de las tramas del fondo

• A simple vista
• Histograma de luminosidad (el segundo más luminoso; el primero es el fondo, el tercero son las letras)
• Histograma de colores (segundo más predominante)

3 Obtener color de las letras

• A simple vista
• Histograma de luminosidad (tercero más luminoso)
• Histograma de colores (tercero más predominante)

4 Cambiar color de las tramas por color de fondo

• Convert (ImageMagick)
• Algoritmo fuerza bruta:
  1. Recorrer imagen pixel a pixel
  2. Obtener color del pixel
  3. Si el color es del entramado, pintar con el de fondo
  4. Si el color es el del fondo, continuar

5 Encontrar rotación de las letras

• Transformada de Fourier
• Kernel (por ejemplo Sobel)
• Algoritmo aproximado
  • Incrementar numero desde -90 a +90; por cada incremento:
    1. Rotar la imagen en la cantidad de grados
    2. Proyectar los pixeles de la imagen sobre el eje Y
    3. Obtener distancia entre primer y último pixel -distinto del color de fondo- proyectados en eje Y, y guardar tupla [ángulo, distancia]
    4. Obtener el ángulo con menor distancia
    5. Rotar la imagen usando ángulo encontrado

6 Detección de caracteres

• User Tesseract OCR