无论是是自动化登录还是爬虫，总绕不开验证码，这次就来谈谈python中光学识别验证码模块tesserocr和pytesseract。tesserocr和pytesseract是Python的一个OCR识别库，但其实是对tesseract做的一层Python API封装，pytesseract是Google的Tesseract-OCR引擎包装器；所以它们的核心是tesseract,因此在安装tesserocr之前，我们需要先安装tesseract。

下载安装

下载地址：https://digi.bib.uni-mannheim...

下载完成后，双击安装，可以勾选Additional language data(download)选项来安装OCR识别支持的语言包，但下载语言包实在是慢，我们可以直接从https://github.com/tesseract-... 下载zip的语言包压缩文件，解压后将tessdata-master中的文件复制到Tesseract的安装目录C:\Program Files (x86)\Tesseract-OCR\tessdata目录下，最后我们配置下环境变量，我们将C:\Program Files (x86)\Tesseract-OCR添加到环境变量中。进入命令提示符，输入tesseract，显示下图结果，说明配置完成

查看安装了的语言包：tesseract --list-langs

显示我一共安装了167种语言包，里边包含英文或者其他字符。

测试

实验用的二维码

基本使用语法
tesseract image.png result （tesseract 图片名称生成文件名称）

结果

由结果来看，识别出来了P、2和X，但是把C识别成了G，识别度还是比较高，接下来看在python中的使用

python引入tesseract

在python下使用pip命令即可完成下载安装 pip install pytesseract

识别验证码脚本

import pytesseract
from PIL import Imageim=Image.open('pin.png')
print(pytesseract.image_to_string(im))

结果

这样识别的结果同样跟上文一样，个别字符识别的不是很准确

图像处理

现在网站上的二维码设计的通常很难复杂，如果直接识别的话很难识别出来，下面这段代码是进行灰度处理和二值化

import pytesseract
from PIL import Imageim=Image.open('5.jpg')
#进行置灰处理
im=im.convert('L')
#这个是二值化阈值
threshold=150
table=[]
for i in range(256):if i<threshold:table.append(0)else:table.append(1)
#通过表格转换成二进制图片，1的作用是白色，0就是黑色
im=im.point(table,"1")
im.show()
print(pytesseract.image_to_string(im))

原图

置灰和二值化后

想要提高识别率只能下载训练好的语言包，如上述所说，或者用深度学习的方法训练机器
原文地址：https://nolon.xyz/archives/77/

python利用Tesseract识别验证码相关推荐

利用机器学习识别验证码（从0到1）
最近喜欢先把测试结果图放前面.大家可以先看下效果. 识别速度并不是很快,代码并没有进一步优化. 本篇主要讲的是从制作验证码开始,到我们利用机器学习识别出来结果的过程. 利用机器学习识别验证码的思路是 ...
Python Tesseract识别验证码
学习记录, 仅供参考文章目录准备工作 tesseract初试下载样本图片降噪 tesseract初训练 tesseract样本训练测试训练结果我们在写爬虫的时候经常遇到网页需要登陆的情况, ...
python 基于机器学习识别验证码
1.背景验证码自动识别在模拟登陆上使用的较为广泛,一直有耳闻好多人在使用机器学习来识别验证码,最近因为刚好接触这方面的知识,所以特定研究了一番.发现网上已有很多基于machine learn ...
python 利用random生成验证码与MD5码加密过程
python 利用random生成随机数 #!usr/bin/env python #_*_ coding:utf-8 _*_import randomprint('随机整成range(1,5)之间的 ...
python神经网络库识别验证码_基于TensorFlow 使用卷积神经网络识别字符型图片验证码...
本项目使用卷积神经网络识别字符型图片验证码,其基于TensorFlow 框架.它封装了非常通用的校验.训练.验证.识别和调用 API,极大地减低了识别字符型验证码花费的时间和精力. 项目地址:http ...
Python 利用opencv识别某象旋转验证码，识别率达95%以上
本期介绍某象旋转验证码识别,识别的思想其实与上篇文章识别滑动还原验证码相似,也是借鉴过来的,但是旋转验证码更加复杂,实现起来稍加困难,下面来看一下,原始数据集和识别之后数据集. 原始数据集: 将圆图旋 ...
自动化测试识别验证码方法
在进行自动化测试,我发现很多人卡在验证码无法是识别的路上,往往都是需要开发提供万能码或者取消验证码,但是有的时候需要真实场景模拟,验证码的获取就比较困难,今天分享一个自己亲测的UI自动化测试登陆时验证 ...
Python验证码识别：利用pytesser识别简单图形
一.探讨识别图形验证码可以说是做爬虫的必修课,涉及到计算机图形学,机器学习,机器视觉,人工智能等等高深领域-- 简单地说,计算机图形学的主要研究内容就是研究如何在计算机中表示图形.以及利用计算机进行 ...
python 识别图片中的中文_Python中利用Tesseract软件来识别图片中的英文与中文
OCR与Tesseract介绍将图片翻译成文字一般被称为光学文字识别(Optical Character Recognition,OCR).可以实现OCR 的底层库并不多,目前很多库都是使用共同的几 ...
python图片显示英文字符_Python中利用Tesseract软件来识别图片中的英文与中文
OCR与Tesseract介绍将图片翻译成文字一般被称为光学文字识别(Optical Character Recognition,OCR).可以实现OCR 的底层库并不多,目前很多库都是使用共同的几 ...

python利用Tesseract识别验证码

下载安装

测试

python引入tesseract

图像处理

python利用Tesseract识别验证码相关推荐

最新文章

热门文章