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 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

Mac

brew install tesseract

centos7

yum-config-manager --add-repohttps://download.opensuse.org/repositories/home:/Alexander_Pozdnyakov/CentOS_7/yum updateyum install tesseract yum install tesseract-langpack-deu

windows

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 =140table = []forjinrange(256):ifj < threshold:            table.append(0)else:            table.append(1)out= imgry.point(table,'1')out.save('b'+ imgName)关于怎么快速学Python，可以加下小编的Python学习qun:699+749+852，不管你是小白还是大牛，小编我都欢迎，不定期分享干货，欢迎初学和进阶中的小伙伴。每天晚上20:00都会开直播给大家分享Python知识和路线方法，qun里会不定期更新最新的教程

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：

defremoveLine(imgName):(img, pixdata) = open_img(imgName)forxinrange(img.size[0]):# x坐标foryinrange(img.size[1]):# y坐标ifpixdata[x, y][0] <8orpixdata[x, y][1] <6orpixdata[x, y][2] <8or(                    pixdata[x, y][0] + pixdata[x, y][1] + pixdata[x, y][2]) <=30:# 确定颜色阈值ify ==0:                    pixdata[x, y] = (255,255,255)ify >0:ifpixdata[x, y -1][0] >120orpixdata[x, y -1][1] >136orpixdata[x, y -1][2] >120:                        pixdata[x, y] = (255,255,255)# ?# 二值化处理foryinrange(img.size[1]):# 二值化处理，这个阈值为R=95，G=95，B=95forxinrange(img.size[0]):ifpixdata[x, y][0] <160andpixdata[x, y][1] <160andpixdata[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：

image.png

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。你以为这篇文章就这样完了吗？嗯，是的，这篇文章就这样完了。不过好在 pytesseract 提供了自定义训练功能，来提高识别能力(也可以自建神经网络进行识别)