图片降噪 java_Python图片验证码降噪 — 8邻域降噪
简介
图片验证码识别的可以分为几个步骤,一般用 Pillow 库或 OpenCV 来实现,这几个过程是:
1.灰度处理&二值化
2.降噪
3.字符分割
4.标准化
5.识别
所谓降噪就是把不需要的信息通通去除,比如背景,干扰线,干扰像素等等,只留下需要识别的字符,让图片变成2进制点阵,方便代入模型训练。
8邻域降噪
8邻域降噪 的前提是将图片灰度化,即将彩色图像转化为灰度图像。以RGN色彩空间为例,彩色图像中每个像素的颜色由R 、G、B三个分量决定,每个分量由0到255种取值,这个一个像素点可以有一千多万种颜色变化。而灰度则是将三个分量转化成一个,使每个像素点只有0-255种取值,这样可以使后续的图像计算量变得少一些。
以上面的灰度图片为例,图片越接近白色的点像素越接近255,越接近黑色的点像素越接近0,而且验证码字符肯定是非白色的。对于其中噪点大部分都是孤立的小点的,而且字符都是串联在一起的。8邻域降噪 的原理就是依次遍历图中所有非白色的点,计算其周围8个点中属于非白色点的个数,如果数量小于一个固定值,那么这个点就是噪点。对于不同类型的验证码这个阈值是不同的,所以可以在程序中配置,不断尝试找到最佳的阈值。
经过测试8邻域降噪 对于小的噪点的去除是很有效的,而且计算量不大,下图是阈值设置为4去噪后的结果:
Pillow实现
下面是使用 Pillow 模块的实现代码:
from PIL import Image
def noise_remove_pil(image_name, k):
"""
8邻域降噪
Args:
image_name: 图片文件命名
k: 判断阈值
Returns:
"""
def calculate_noise_count(img_obj, w, h):
"""
计算邻域非白色的个数
Args:
img_obj: img obj
w: width
h: height
Returns:
count (int)
"""
count = 0
width, height = img_obj.size
for _w_ in [w - 1, w, w + 1]:
for _h_ in [h - 1, h, h + 1]:
if _w_ > width - 1:
continue
if _h_ > height - 1:
continue
if _w_ == w and _h_ == h:
continue
if img_obj.getpixel((_w_, _h_)) < 230: # 这里因为是灰度图像,设置小于230为非白色
count += 1
return count
img = Image.open(image_name)
# 灰度
gray_img = img.convert('L')
w, h = gray_img.size
for _w in range(w):
for _h in range(h):
if _w == 0 or _h == 0:
gray_img.putpixel((_w, _h), 255)
continue
# 计算邻域非白色的个数
pixel = gray_img.getpixel((_w, _h))
if pixel == 255:
continue
if calculate_noise_count(gray_img, _w, _h) < k:
gray_img.putpixel((_w, _h), 255)
return gray_img
if __name__ == '__main__':
image = noise_remove_pil("test.jpg", 4)
image.show()
OpenCV实现
使用OpenCV可以提高计算效率:
import cv2
def noise_remove_cv2(image_name, k):
"""
8邻域降噪
Args:
image_name: 图片文件命名
k: 判断阈值
Returns:
"""
def calculate_noise_count(img_obj, w, h):
"""
计算邻域非白色的个数
Args:
img_obj: img obj
w: width
h: height
Returns:
count (int)
"""
count = 0
width, height = img_obj.shape
for _w_ in [w - 1, w, w + 1]:
for _h_ in [h - 1, h, h + 1]:
if _w_ > width - 1:
continue
if _h_ > height - 1:
continue
if _w_ == w and _h_ == h:
continue
if img_obj[_w_, _h_] < 230: # 二值化的图片设置为255
count += 1
return count
img = cv2.imread(image_name, 1)
# 灰度
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
w, h = gray_img.shape
for _w in range(w):
for _h in range(h):
if _w == 0 or _h == 0:
gray_img[_w, _h] = 255
continue
# 计算邻域pixel值小于255的个数
pixel = gray_img[_w, _h]
if pixel == 255:
continue
if calculate_noise_count(gray_img, _w, _h) < k:
gray_img[_w, _h] = 255
return gray_img
if __name__ == '__main__':
image = noise_remove_cv2("test.jpg", 4)
cv2.imshow('img', image)
cv2.waitKey(10000)
图片降噪 java_Python图片验证码降噪 — 8邻域降噪相关推荐
- python爬虫验证码识别 (手把手教会你验证码识别)opencv图像处理 图片处理 验证码处理 降噪 简单易懂验证码处理
前言:验证码是个烦人的小家伙!当然有很多打码平台,可以轻松解决!但可以自己来,干嘛靠别人!有技术不学是傻儿童!今天主要讲opencv来解决验证码!抱着怀里教你!让你向前迈一大步!详细讲,慢慢看!简单易 ...
- python音频 降噪_python降噪_python音频降噪_python图片降噪 - 云+社区 - 腾讯云
广告关闭 腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! 我们下面借助opencv的python封装包cv2,对其进行一些降噪处理,使得图 ...
- opencv4 java 验证码噪点 8邻域降噪
工程下载地址https://download.csdn.net/download/qq_16596909/11503962 程序运行后,同样会把图片存放在以下路径 首先来看一下原图 二值化后,可以把这 ...
- python训练好的图片验证_Python图片验证码降噪处理实例
图片验证码算是网络数据采集上的一道拦路虎,虽然有诸多公开的ORC接口.云打码平台,一旦大规模应用起来,还是内部写程序进行识别处理比较好. 而自己写代码进行识别的话,又有很多种方案,比如最近火热的神经网 ...
- PHP生产一个验证码图片,PHP使用GD库生成验证码图片,实现图片验证
本文记录从php 下载配置GD图片生成库 到使用该库生成验证码图片,网页上实现验证码. 使用技术: php使用GD库绘图 [php版本7.3] php session 缓存 实现最终效果: 一. 配置 ...
- php验证码有图片没数字,php验证码图片不显示
php 动态验证码,PHP如何开发短信验证码功能?,php验证码代码,php验证码图片不显示 欢迎登录清源教育官网 www.tsingyuan.cn 查看更多视频教程 php 验证码linux下只显示 ...
- PLC 西门子smart200 锁机 有图片证明分期付款 动态验证码
PLC 西门子smart200 锁机 有图片证明分期付款 动态验证码,无限次加密 程序例程 配对应维纶屏程序!有直接程序版本(初学者使用和封装库版本(方便快速移植) ID:77864957608068 ...
- php验证是否图片,php验证码图片不显示图片怎么办
php验证码图片不显示图片的解决办法:首先检查php是否安装gd扩展:然后在php目录下找到php.ini文件:最后将文件编码方式改为utf-8无DOM格式,并在header前清除缓存即可. PHP图 ...
- python如何调用图片-python调用图片
广告关闭 腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! python本身也有识别图片转文字的框架,但是相比调用接口,识别的精度就略显不行 ...
最新文章
- 解决 Callout位置不更新的问题
- Understanding Unix/Linux Programming-终端控制和信号
- qprocess回调_QT进程间通信详细介绍及QProcess机制分析
- Android之万能适配器Adapter的使用
- 互联网日报 | 6月15日 星期二 | 凯撒旅业拟换股吸并众信旅游;爱回收预计6月18日登陆纽交所;顺丰航空机队规模增至66架...
- BOOT.INI文件的目的[微软提供]
- java学生管理系统oracle_基于Java的Oracle学生成绩管理系统
- oracle 能被2整除_整除专题基础篇 “刀法四式”
- 数据错误循环冗余检查是什么意思_磁盘阵列是什么,用在什么地方,有什么优点...
- 精密测量和超精密测量
- 使用CM快速搭建CDH集群
- 计算机rom和硬盘,都是存储器,但RAM、ROM、闪存、硬盘怎么分?
- 股指期货手续费每日增加吗(手续费计算公式)
- Linux内核中的汇编语言
- 2021新宁二中高考喜报成绩查询,新宁各校高考喜报!最高分684,全县大获得丰收!看有你认识的吗?...
- CIO40知识星球—IT人之兄弟连
- 创业两年,一家小VC的自我反思
- 16进制几个字符是一个字节
- 大白话5分钟带你走进人工智能-第二十八节集成学习之随机森林概念介绍(1)
- mysql语法大全和jdbc知识汇总
热门文章
- win10挂载esp(efi)分区
- 高次osu(重邮第13届ACM程序设计大赛-网络赛)
- 债券收益率建模(时间序列建模)时间序列相似度度量
- 实时商业智能BI(二):合理的ETL架构设计实现准实时商业智能BI
- 基于微服务架构的云平台总体设计
- php获取微信uninoid_PHP微信小程序之获取并解密用户数据获取openId和unionId,,小程序登陆...
- VMware设置静态IP
- Pixelmator for Mac(强大的图像处理软件)
- 《操作系统真象还原》第十四章 ---- 实现文件系统 任务繁多 饭得一口口吃路得一步步走啊(上二)
- springboot初次使用template可能遇到的问题