# -*- coding: utf-8 -*-

"""Created on Thu Feb 1 15:52:05 2018@author: Administrator"""

from PIL import Image

import os

import time #命名时用

import string #字符串模块

import shutil #文件复制粘贴等操作模块

path=r'C:\Users\Administrator\Desktop\python之图像识别\2.验证吗识别相关\pic(字母加数字加边框)'

path_save=r'C:\Users\Administrator\Desktop\python之图像识别\2.验证吗识别相关\归类\\'

path_save2=r'C:\Users\Administrator\Desktop\python之图像识别\2.验证吗识别相关\cut\\'

path_makedir=r'C:\Users\Administrator\Desktop\python之图像识别\2.验证吗识别相关\分类_识别\\'

path_copy_from=r'C:\Users\Administrator\Desktop\python之图像识别\2.验证吗识别相关\归类'

#import pytesseract #利用著名hp的软件tesseract来进行简单的规则的文字识别

##上面都是导包，只需要下面这一行就能实现图片文字识别

#text=pytesseract.image_to_string(Image.open(r'C:\Users\Administrator\Desktop\python之图像识别\pic\123.jpg'),lang='eng')

#print(type(text))

################以下为自定义阈值的二值化函数##############

def get_bin_table(threshold): #threshold为阈值

"""获取灰度转二值的映射table:param threshold::return:"""

table = []

for i in range(256):

if i < threshold:

table.append(0)

else:

table.append(1)

return table

##########################################################

################以下为去噪函数(简单的删除点)：：9邻域框,以当前点为中心的田字框,黑点个数##############

def sum_9_region(img, x, y): #为输入图片，xy分别为像素坐标，故使用其时需要用循环函数来厉遍图片里所有点

"""9邻域框,以当前点为中心的田字框,黑点个数:param x::param y::return:"""

# todo 判断图片的长宽度下限

cur_pixel = img.getpixel((x, y)) # 当前像素点的值

width = img.width

height = img.height

if cur_pixel == 1: # 如果当前点为白色区域,则不统计邻域值

return 0

if y == 0: # 第一行

if x == 0: # 左上顶点,4邻域

# 中心点旁边3个点

sum = cur_pixel \

+ img.getpixel((x, y + 1)) \

+ img.getpixel((x + 1, y)) \

+ img.getpixel((x + 1, y + 1))

return 4 - sum

elif x == width - 1: # 右上顶点

sum = cur_pixel \

+ img.getpixel((x, y + 1)) \

+ img.getpixel((x - 1, y)) \

+ img.getpixel((x - 1, y + 1))

return 4 - sum

else: # 最上非顶点,6邻域

sum = img.getpixel((x - 1, y)) \

+ img.getpixel((x - 1, y + 1)) \

+ cur_pixel \

+ img.getpixel((x, y + 1)) \

+ img.getpixel((x + 1, y)) \

+ img.getpixel((x + 1, y + 1))

return 6 - sum

elif y == height - 1: # 最下面一行

if x == 0: # 左下顶点

# 中心点旁边3个点

sum = cur_pixel \

+ img.getpixel((x + 1, y)) \

+ img.getpixel((x + 1, y - 1)) \

+ img.getpixel((x, y - 1))

return 4 - sum

elif x == width - 1: # 右下顶点

sum = cur_pixel \

+ img.getpixel((x, y - 1)) \

+ img.getpixel((x - 1, y)) \

+ img.getpixel((x - 1, y - 1))

return 4 - sum

else: # 最下非顶点,6邻域

sum = cur_pixel \

+ img.getpixel((x - 1, y)) \

+ img.getpixel((x + 1, y)) \

+ img.getpixel((x, y - 1)) \

+ img.getpixel((x - 1, y - 1)) \

+ img.getpixel((x + 1, y - 1))

return 6 - sum

else: # y不在边界

if x == 0: # 左边非顶点

sum = img.getpixel((x, y - 1)) \

+ cur_pixel \

+ img.getpixel((x, y + 1)) \

+ img.getpixel((x + 1, y - 1)) \

+ img.getpixel((x + 1, y)) \

+ img.getpixel((x + 1, y + 1))

return 6 - sum

elif x == width - 1: # 右边非顶点

# print('%s,%s' % (x, y))

sum = img.getpixel((x, y - 1)) \

+ cur_pixel \

+ img.getpixel((x, y + 1)) \

+ img.getpixel((x - 1, y - 1)) \

+ img.getpixel((x - 1, y)) \

+ img.getpixel((x - 1, y + 1))

return 6 - sum

else: # 具备9领域条件的

sum = img.getpixel((x - 1, y - 1)) \

+ img.getpixel((x - 1, y)) \

+ img.getpixel((x - 1, y + 1)) \

+ img.getpixel((x, y - 1)) \

+ cur_pixel \

+ img.getpixel((x, y + 1)) \

+ img.getpixel((x + 1, y - 1)) \

+ img.getpixel((x + 1, y)) \

+ img.getpixel((x + 1, y + 1))

return 9 - sum

################以下为去去边框函数##############

# 去除边框

def clear_border(img):

w = img.width

h = img.height

for y_b in range(0, h):

for x_b in range(0, w):

if y_b < 5 or y_b > h - 5:

img.putpixel((x_b,y_b),1)

if x_b < 5 or x_b > w -5:

img.putpixel((x_b,y_b),1)

return img

###################以下的函数功能为切割一个完整验证码的数字，并以原文件名分割的字符来命名，形式为！！！函数里套用函数！！！！！

def get_whole_cut_pic(img):

#ww_w=img.width #这个暂时不需要了，因为下面直接用width定义了

hh_h=img.height #为了以下避免麻烦，先定义

################以下为智能切割图片函数(分别从左、右、上、下(左 右 顶 底)这四个极值坐标来定义，分别是四个函数)##############

def cut_get_coord_list(img_in):

co_list=[]

ww=img_in.width

hh=img_in.height

trigger1=False #用这样的触发事件来终止外循环，不然这哥们会一直循环下去

trigger2=False

trigger3=False

trigger4=False

for x_c in range(ww): ##得到最左面的x值

if trigger1==False:

for y_c in range(hh):

if img_in.getpixel((x_c,y_c))==0:

x_first=x_c

co_list.append(x_first) # 左

# print('x_1st is:'+str(x_first))

trigger1=True

break

else:

break

for y_cf in range(hh): ##得到最上面的y值

if trigger3==False:

for x_cf in range(ww):

if img_in.getpixel((x_cf,y_cf))==0:

y_first=y_cf

co_list.append(y_first) # 顶

# print('y_1st is:'+str(y_first))

trigger3=True

break

else:

break

for x_cl in range(x_first,ww): #获得最右端的x值，方法： 判断每一行的像素值，从最左端的x开始一直到有一整列为白点(像素值为1)为止,该列的所有像素值加起来应该等于该列的长度X1(height X 1即height值)

if trigger2==False:

x_hang_count=0 #初始x行开始是的像素值，让后循环相加，直至一列结束，再次重置循环

for y_cl in range(hh):

x_hang_count=x_hang_count+img_in.getpixel((x_cl,y_cl))

if y_cl==hh-1 and x_hang_count==hh:

x_last=x_cl

co_list.append(x_last) # 右

# print('x_last is:'+str(x_last))

trigger2=True

break

else:

break

for y_cls in range(y_first,hh): #获得最下端的y值，

if trigger4==False:

y_hang_count=0

for x_cls in range(ww):

y_hang_count=y_hang_count+img_in.getpixel((x_cls,y_cls))

if x_cls==ww-1 and y_hang_count==ww:

y_last=y_cls

co_list.append(y_last) # 底

# print('y_last is:'+str(y_last))

trigger4=True

break

else:

break

return co_list

##################################################

f_ex_sl=os.path.splitext(filename)#获取文件与拓展名分离的元祖，例子：('Y4G7', '.png')

cut1_list=cut_get_coord_list(img)

cropedIm_1 = img.crop((cut1_list[0], cut1_list[1], cut1_list[2], cut1_list[3])) #函数的添加顺序是左，顶，右，底，与图片切割的顺序一样，所以可以直接顺序取值使用

cropedIm_1.save(path_save+f_ex_sl[0][0]+'-'+str(time.time())+'.png')

cropedIm_1_2=img.crop((cut1_list[2], 0,img.width, hh_h)) ##裁剪剩下的图片，并保存

# print('save 1')

cropedIm_1_2.save(path_save2+f_ex_sl[0][0]+'-'+str(time.time())+'.png')

cut2_list=cut_get_coord_list(cropedIm_1_2)

cropedIm_2 = cropedIm_1_2.crop((cut2_list[0], cut2_list[1], cut2_list[2], cut2_list[3])) #函数的添加顺序是左，顶，右，底，与图片切割的顺序一样，所以可以直接顺序取值使用

cropedIm_2.save(path_save+f_ex_sl[0][1]+'-'+str(time.time())+'.png')

cropedIm_2_3=cropedIm_1_2.crop((cut2_list[2], 0, cropedIm_1_2.width, hh_h)) ##裁剪剩下的图片，并保存

# print('save 2')

cropedIm_2_3.save(path_save2+f_ex_sl[0][1]+'-'+str(time.time())+'.png')

cut3_list=cut_get_coord_list(cropedIm_2_3)

cropedIm_3 = cropedIm_2_3.crop((cut3_list[0], cut3_list[1], cut3_list[2], cut3_list[3])) #函数的添加顺序是左，顶，右，底，与图片切割的顺序一样，所以可以直接顺序取值使用

cropedIm_3.save(path_save+f_ex_sl[0][2]+'-'+str(time.time())+'.png')

cropedIm_3_4=cropedIm_2_3.crop((cut3_list[2], 0,cropedIm_2_3.width, hh_h))

# print('save 3')

cropedIm_3_4.save(path_save2+f_ex_sl[0][2]+'-'+str(time.time())+'.png')

cut4_list=cut_get_coord_list(cropedIm_3_4)

cropedIm_3 = cropedIm_3_4.crop((cut4_list[0], cut4_list[1], cut4_list[2], cut4_list[3])) #函数的添加顺序是左，顶，右，底，与图片切割的顺序一样，所以可以直接顺序取值使用

cropedIm_3.save(path_save+f_ex_sl[0][3]+'-'+str(time.time())+'.png')

# print('save 4')

# cropedIm_4_5=cropedIm_3_4.crop((cut3_list[2], 0, ww_w, hh_h))

#################以下为厉遍所有带学习的验证码图片，并对其预处理(二值、去噪、切割、重命名等)#################

file_list=os.listdir(path)

for filename in file_list:

# print(j)

pic = Image.open(path+'\\'+filename)

# print(path+'\\'+filename)

pic_gry = pic.convert('L') # 转化为灰度图

width,height = pic.size #获取长宽信息

# print(width)

#print(height)

#pic_gry.show() # 显示图像，好像是调用windows的cmd来运行

#pic_2_bit2=pic_gry.convert('1') # PIL内置命令实现二值化，可以直接将rgb转换成二值

table_2bit = get_bin_table(180) #定义参数为阈值180,这样橙色也可以显示出来

pic_2_bit2 = pic_gry.point(table_2bit, '1') #定义以什么样的参数来赋值二值化图片 注意这里point()函数只支持灰度图像的二值转化，只支持灰度

#pic_2_bit2.save(r'ceshi.png') #保存图片

for x in range(width):

for y in range(height):

b_pt_num=sum_9_region(pic_2_bit2, x, y) #利用去噪函数去噪

# print(b_pt_num)

if b_pt_num < 2 :

pic_2_bit2.putpixel((x,y),1) #赋值给像素坐标为xy 的点，值1为白色，0为黑色(因为hi二值，只有0和1)

clear_border(pic_2_bit2) #去边框函数

#pic_2_bit2.show()

#pic_2_bit2.save(r'jiangzao5.png') #保存图片

get_whole_cut_pic(pic_2_bit2) #调用大函数，将所有图片切割，并厉遍(上级函数功能)

#################################################################################################

#####################以下代码为 建立n个文件夹，分别命名从A到Z，从0到9，并把上一步生成的图片检测名称，复制到对应的文件夹里#####################################

sg_file=os.listdir(path_copy_from) #待复制文件夹里的所有文件list形式

#print(sg_file)

X_name=string.ascii_uppercase+string.digits #要新建的文件夹所有的名称合集，利用字符串函数功能，自动生成从0到9，从A到Z的字符串，并相加组成一个大的字符串

for X in X_name:

if os.path.exists(path_makedir+X): #判断是否存在文件或目录name

print('已经存在！')

else:

os.makedirs(path_makedir+X) #创建目录函数，os.makedirs，即使父级目录不存在也会创建

# print(X+'done!')

for f_i in sg_file:

if f_i[0]==X:

shutil.copy(path_copy_from+'\\'+f_i,path_makedir+X)

#shutil.copy(r"path1+name1",r"path2") #赋值函数，复制path1里的name文件到path2里

#####################################################################################################

##########################################接下来就是要进行机器学习部分了###################################