使用 python 识别简单验证码(文末赋python学习资料分享)
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:
code.jpg
不是这样的:
image.png
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;
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。
pillow 中文文档
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。
32 位系统
pip install PIL
64 位系统
pip install pillow
安装 Tesseract-OCR
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
tesseract-ocr GitHub 官方地址
Mac
brew install tesseract
centos7
yum-config-manager --add-repo https://download.opensuse.org/repositories/home:/Alexander_Pozdnyakov/CentOS_7/ yum update yum install tesseract yum install tesseract-langpack-deu
windows
download-address
使用 pytesseract 识别验证码
首先将图像灰度化
#使用路径导入图片 im = Image.open(imgimgName) #使用 byte 流导入图片 # im = Image.open(io.BytesIO(b)) # 转化到灰度图 imgry = im.convert('L') # 保存图像 imgry.save('gray-' + imgName)
灰度化的图像是这个样子的:
gray-code.jpg
然后将图像二值化
# 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: table.append(0) else: table.append(1) out = imgry.point(table, '1') out.save('b' + imgName)
二值化的图像是这个样子的:
two-code.jpg
最后进行识别
# 识别 text = pytesseract.image_to_string(out) print("识别结果:"+text)
识别结果是这样的:
image.png
高级玩法 - 除线
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:
logo3.gif
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:
def removeLine(imgName): (img, pixdata) = open_img(imgName) for x in range(img.size[0]): # x坐标 for y in range(img.size[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(img.size[1]): # 二值化处理,这个阈值为R=95,G=95,B=95 for x in range(img.size[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) img.filter(ImageFilter.EDGE_ENHANCE_MORE) # 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 img.resize(((img.size[0]) * 2, (img.size[1]) * 2), Image.BILINEAR) # Image.BILINEAR指定采用双线性法对像素点插值#? img.save('remove-' + imgName) print("除线成功!") recognize('remove-' + imgName)
那么我们的运行结果是这样的:
bremove-logo3.gif
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:
最后,想学习Python的小伙伴们!
请关注+私信回复:“学习”就可以拿到一份我为大家准备的Python学习资料!
pytyhon学习资料
python学习资料