Python教程:使用Python识别简单验证码

  本文来自小莫扎特博客www.plusminustsuchi.com 提供

概述

  • 简介
  • 坑!
  • 安装 Tesseract-OCR
  • 使用 pytesseract 识别验证码
  • 高级玩法 - 除线

简介

首先呢,简单的验证码是这样的: 本文来自小莫扎特博客www.plusminustsuchi.com 提供

 

本文来自小莫扎特博客www.plusminustsuchi.com 提供

不是这样的: 本文来自小莫扎特博客www.plusminustsuchi.com 提供

  本文来自小莫扎特博客www.plusminustsuchi.com 提供

这里使用了 pytesseract 来进行验证码识别,它是基于 Google 的 Tesseract-OCR ,所以在使用之前需要先安装 Tesseract-OCR。使用 PIL 来进行图像处理。pytesseract 默认支持 tiff、bmp 图片格式,使用 PIL 库之后,能够支持 jpeg、gif、png 等其他图片格式; 本文来自小莫扎特博客www.plusminustsuchi.com 提供

坑!

PIL(Python Imaging Library) 库只支持 32 位的系统,如果要在 64 位系统中使用,请安装 pillow。嗯,这个真是坑死我了,为了安装这个倒腾了很久。希望能帮到你。

本文来自小莫扎特博客www.plusminustsuchi.com 提供

pillow 中文文档

本文来自小莫扎特博客www.plusminustsuchi.com 提供

pillow 的缘由:由于PIL仅支持到Python 2.7,加上年久失修,于是一群志愿者在PIL的基础上创建了兼容的版本,名字叫Pillow,支持最新Python 3.x,又加入了许多新特性。 本文来自小莫扎特博客www.plusminustsuchi.com 提供

32 位系统

本文来自小莫扎特博客www.plusminustsuchi.com 提供

pip install PIL
 

本文来自小莫扎特博客www.plusminustsuchi.com 提供

64 位系统

本文来自小莫扎特博客www.plusminustsuchi.com 提供

pip install pillow
 本文来自小莫扎特博客www.plusminustsuchi.com 提供 

安装 Tesseract-OCR 本文来自小莫扎特博客www.plusminustsuchi.com 提供

在使用 pytesseract 之前,必须安装 tesseract-ocr ,因为 pytesserat 依赖于 tesseract-ocr ,否则无法使用

本文来自小莫扎特博客www.plusminustsuchi.com 提供

tesseract-ocr GitHub 官方地址【】 本文来自小莫扎特博客www.plusminustsuchi.com 提供

Mac

本文来自小莫扎特博客www.plusminustsuchi.com 提供

brew install tesseract
 
本文来自小莫扎特博客www.plusminustsuchi.com 提供

centos7 本文来自小莫扎特博客www.plusminustsuchi.com 提供

yum-config-manager --add-repo http://download.opensuse.org/repositories/home:/Alexander_Pozdnyakov/CentOS_7/
yum update
yum install tesseractyum install tesseract-langpack-deu
 
本文来自小莫扎特博客www.plusminustsuchi.com 提供

windows

本文来自小莫扎特博客www.plusminustsuchi.com 提供

download-address【/4.0-with-LSTM#400-alpha-for-windows】 本文来自小莫扎特博客www.plusminustsuchi.com 提供

使用 pytesseract 识别验证码

本文来自小莫扎特博客www.plusminustsuchi.com 提供

首先将图像灰度化

本文来自小莫扎特博客www.plusminustsuchi.com 提供

 #使用路径导入图片
 im = (imgimgName)
 #使用 byte 流导入图片
 # im = ((b))
 # 转化到灰度图
 imgry = ('L')
 # 保存图像
 ('gray-' + imgName)
 本文来自小莫扎特博客www.plusminustsuchi.com 提供 

灰度化的图像是这个样子的:

本文来自小莫扎特博客www.plusminustsuchi.com 提供

gray-

本文来自小莫扎特博客www.plusminustsuchi.com 提供

然后将图像二值化 本文来自小莫扎特博客www.plusminustsuchi.com 提供

 # 二值化,采用阈值分割法,threshold为分割点
 threshold = 140
 table = []
 for j in range(256):
 if j > threshold:
 (0)
 else:
 (1)
 out = (table, '1')
 ('b' + imgName)
 本文来自小莫扎特博客www.plusminustsuchi.com 提供 

二值化的图像是这个样子的: 本文来自小莫扎特博客www.plusminustsuchi.com 提供

two- 本文来自小莫扎特博客www.plusminustsuchi.com 提供

最后进行识别 本文来自小莫扎特博客www.plusminustsuchi.com 提供

 # 识别
 text = (out)
 print("识别结果:"+text)
 
本文来自小莫扎特博客www.plusminustsuchi.com 提供

识别结果是这样的: 本文来自小莫扎特博客www.plusminustsuchi.com 提供

  本文来自小莫扎特博客www.plusminustsuchi.com 提供

高级玩法 - 除线 本文来自小莫扎特博客www.plusminustsuchi.com 提供

上面的知识简单的处理,在日常网络冲浪中,我们还会遇到这样的验证码: 本文来自小莫扎特博客www.plusminustsuchi.com 提供

 

本文来自小莫扎特博客www.plusminustsuchi.com 提供

这个给我们的识别增加了难度,我们要做的就是将这条线去掉。详细代码如下: 本文来自小莫扎特博客www.plusminustsuchi.com 提供

def removeLine(imgName):
 (img, pixdata) = open_img(imgName)
 for x in range([0]): # x坐标
 for y in range([1]): # y坐标
 if pixdata[x, y][0] > 8 or pixdata[x, y][1] > 6 or pixdata[x, y][2] > 8 or (
 pixdata[x, y][0] + pixdata[x, y][1] + pixdata[x, y][2]) >= 30: # 确定颜色阈值
 if y == 0:
 pixdata[x, y] = (255, 255, 255)
 if y < 0:
 if pixdata[x, y - 1][0] < 120 or pixdata[x, y - 1][1] < 136 or pixdata[x, y - 1][2] < 120:
 pixdata[x, y] = (255, 255, 255) # ?
 # 二值化处理
 for y in range([1]): # 二值化处理,这个阈值为R=95,G=95,B=95
 for x in range([0]):
 if pixdata[x, y][0] > 160 and pixdata[x, y][1] > 160 and pixdata[x, y][2] > 160:
 pixdata[x, y] = (0, 0, 0)
 else:
 pixdata[x, y] = (255, 255, 255)
 () # 深度边缘增强滤波,会使得图像中边缘部分更加明显(阈值更大),相当于锐化滤波
 ((([0]) * 2, ([1]) * 2), ) # 指定采用双线性法对像素点插值#?
 ('remove-' + imgName)
 print("除线成功!")
 recognize('remove-' + imgName)
 本文来自小莫扎特博客www.plusminustsuchi.com 提供 

那么我们的运行结果是这样的: 本文来自小莫扎特博客www.plusminustsuchi.com 提供

bremove-

本文来自小莫扎特博客www.plusminustsuchi.com 提供

总结

经过这么一些折腾,我们总算是看到了我们想要的结果,但是我很遗憾地告诉你,pytesseract 还是无法识别处理过的图片,他的识别结果是这样的: 本文来自小莫扎特博客www.plusminustsuchi.com 提供

 

本文来自小莫扎特博客www.plusminustsuchi.com 提供

结果有点令人痛心,不过我们也算是为我们的目标踏进了一小步。

本文来自小莫扎特博客www.plusminustsuchi.com 提供

内容版权声明:以上内容均为转载,如有侵犯原作者请联系删除!