python 验证码识别之pytesser以及image学习记录
一般的步骤就是上面这些,总的来说分为三部分,去除背景,分割字符,识别。
去除背景可以通过灰度化,二值化,去噪,倾斜度校正等(一般来说灰度化和二值化都是需要的,去噪和倾斜度看情况)
安装PIL工具,下载的地址是:http://www.pythonware.com/products/pil/,pytesser的使用需要PIL库的支持。
接着下载pytesser,下载的地址是:http://code.google.com/p/pytesser/downloads/list
由于code.google.com网站关闭了,所以,只能在csdn上下载了。下面是csdn的下载网址:http://download.csdn.net/download/pyliang_2008/5564135
最后,安装pytesser :
1、解压pytesser ,将解压后的文件复制到Python安装目录的Lib\site-packages下,直接使用,比如我的安装目录是:C:\Python27\Lib\site-packages。
文件名改成pytesser
2、把2个目录添加到环境变量之中。
C:\Python27\Lib\site-packages
C:\Python27\Lib\site-packages\pytesser
3、还要在C:\Python27\Lib\site-packages下面添加.pth 文件(pytesser.pth),这个文件里面,只有 “pytesser”字符串。
完成以上步骤之后,就可以编写图片文本识别的Python脚本了。参考脚本如下:
打开“运行”–cmd,键入“Python”后,进入Python命令交互模式,输入下面的代码:
from pytesser import * import ImageEnhance image = Image.open('D:\\xiehao\\workspace\\python\\5.png') #转化成灰度图
imgry = image.convert('L') #通过阈值来分割 threshold = 140
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1) #二值化
out = imgry.point(table, '') #另一种二值化方式不推荐 img = image.open() width, height = img.size num = [[img.load()[x, y] for y in range(0, height)] for x in range(0, width)]
img = Image.new('RGB', (width, height), (255, 255, 255))
draw = ImageDraw.Draw(img)
for x in range(width):
for y in range(height):
if num[x][y] < 140:
draw.point((x, y), fill=(0,0,0))
else:
draw.point((x, y), fill=(255,255,255)) #使用ImageEnhance可以增强图片的识别率 enhancer = ImageEnhance.Contrast(image) image_enhancer = enhancer.enhance(4) print image_to_string(image_enhancer)
分割字符串有多种方法
垂直像素直方图,假如图片宽度为100像素,则把图片切割为100个1像素的竖线,下面的红色部分为当前x坐标上所有黑色像素的总和。这么一来可以很容易的通过直方图的波峰波谷把4个字母分割开。
#图片切割算法
#垂直像素直方图,同一列有四个以上的黑块就记录x作为切割的左分界线,大于x的列中如果出现同一列黑块数目小于4就记录x作为切割的右分界线,该算法只适用于部分验证码。
def cut_img(image, startwidth, endwidth, startheight, endheight, cutwidth):
split_x, split_y = [], []
for x in range(startwidth, endwidth):
black_number = 0
for y in range(startheight, endheight):
if image.load()[x, y] == 0:
black_number += 1
if not split_x and black_number >= cutwidth:
split_x.append(x)
black_number = 0
if split_x and x - split_x[0] >= 8 and black_number < cutwidth:
split_x.append(x)
break
for j in range(startheight, endheight):
black_number = 0
for i in range(startwidth, endwidth):
if image.load()[i, j] == 0:
black_number += 1
if not split_y and black_number >= cutwidth:
split_y.append(j)
black_number = 0
if split_y and j - split_y[0] >= 8 and black_number < cutwidth:
split_y.append(j)
break
# print split_x, split_y
return (split_x[0], split_y[0], split_x[1], split_y[1])
image = open('xxx.jpg')
#灰值化,二值化去噪处理
img = xxx(image)
width,height = image.size
box = [0, width, 0, height]
for i in range(0, 4):
box = cut_img(img, box[2], width, 0, height, cutwidth=4)
print box
# #切割
captcha_one = img.crop(box)
captcha_one.show()
print image_to_string(captcha_one)
#平均分割法
def cut_img_avg(image, startwidth, endwidth, startheight, endheight):
split_x, split_y = [],[]
for i in range(startwidth, endwidth):
write_block = 0
for j in range(startheight, endheight):
if image.load()[i, j] == 1:
write_block += 1
elif not split_x and image.load()[i, j] == 0:
split_x.append(i)
break
if write_block == endheight and split_x and i-split_x[0]>=40:
split_x.append(i)
break
for y in range(startheight, endheight):
write_block = 0
for x in range(startwidth, endwidth):
if image.load()[x, y] == 1:
write_block += 1
elif not split_y and image.load()[x, y] == 0:
split_y.append(y)
break
if write_block == endwidth and split_y and y-split_y[0]>=10:
split_y.append(y)
break
print split_x, split_y
return (split_x[0], split_y[0], split_x[1], split_y[1])
image = open('xxx.jpg')
#灰值化,二值化去噪处理
img = xxx(image)
width,height = image.size
box = cut_img_avg(img, 0, width, 0, height)
for i in range(1, 5):
avg = (box[2]-box[0])/4
abox = [box[0]+(i-1)*avg,box[1],box[0]+i*avg,box[3]]
print abox
capcha_two = img.crop(abox)
capcha_two.show()
归一化
标准化
标准化的意思是指对于同一个字符,尽可能让每次识别前的样本都一致,以提高识别率。而验证码设计者则会用随机旋转,随机扭曲还有随机字体大小的方式防止字符被简单方法识别。
还原随机旋转的字符一般采用的是旋转卡壳算法:
此算法非常简单,对一张图片左右各旋转30度的范围,每次1度,旋转后用扫描线法判断字符的宽度,对于标准的长方形字体,在完全垂直的时候肯定是宽度最窄的。嗯?纳尼?上面的图是中间的最窄?好像的确是这样,不过只要每次旋转后的结果都一样,对于识别率不会有影响。
扭曲还原的算法比较蛋疼,效果也不怎么样(其实我不会),不过如果识别算法好的话,对扭曲的字符只要人能认出来,识别率也可以达到接近人类的水准。
还有一些常用到的算法,对于提高识别率和减少样本数量有一定帮助:
骨架细化:腐蚀算法
腐蚀算法的原理有点像剥洋葱,从最外层沿着最外面的一层像素一圈一圈的去掉,直到里面只剩下一层像素为止。腐蚀算法里面需要用到另一个算法,叫做凸包算法,用来找一堆像素点里面最外围的一层。
最后就是把字符变成统一大小,一般而言是把全部字符都缩到和验证码里出现过的最小的字符一个大小。
详情请自行google……
参考
http://blog.csdn.net/lanfan_11/article/details/45558573
http://www.360doc.com/content/16/0404/20/21340737_547844565.shtml
python 验证码识别之pytesser以及image学习记录的更多相关文章
- python验证码识别
关于利用python进行验证码识别的一些想法 用python加“验证码”为关键词在baidu里搜一下,可以找到很多关于验证码识别的文章.我大体看了一下,主要方法有几类:一类是通过对图片进行处 理,然后 ...
- 【转】Python验证码识别处理实例
原文出处: 林炳文(@林炳文Evankaka) 一.准备工作与代码实例 1.PIL.pytesser.tesseract (1)安装PIL:下载地址:http://www.pythonware.com ...
- Python 验证码识别(别干坏事哦...)
关于python验证码识别库,网上主要介绍的为pytesser及pytesseract,其实pytesser的安装有一点点麻烦,所以这里我不考虑,直接使用后一种库. python验证码识别库安装 要安 ...
- Python 验证码识别-- tesserocr
Python 验证码识别-- tesserocr tesserocr 是 Python 的一个 OCR 识别库 ,但其实是对 tesseract 做的一 层 Python API 封装,所以它的核心是 ...
- Windows平台python验证码识别
参考: http://oatest.dragonbravo.com/Authenticate/SignIn?returnUrl=%2f http://drops.wooyun.org/tips/631 ...
- Python验证码识别处理实例(转载)
版权声明:本文为博主林炳文Evankaka原创文章,转载请注明出处http://blog.csdn.net/evankaka 一.准备工作与代码实例 1.PIL.pytesser.tesseract ...
- Python验证码识别处理实例(转)
一.准备工作与代码实例 1.PIL.pytesser.tesseract (1)安装PIL:下载地址:http://www.pythonware.com/products/pil/(CSDN下载) 下 ...
- Python验证码识别处理实例
一.准备工作与代码实例 1.PIL.pytesser.tesseract (1)安装PIL:下载地址:http://www.pythonware.com/products/pil/(CSDN下载) 下 ...
- python 验证码识别示例(一) 某个网站验证码识别
某个招聘网站的验证码识别,过程如下 一: 原始验证码: 二: 首先对验证码进行分析,该验证码的数字颜色有变化,这个就是识别这个验证码遇到的比较难的问题,解决方法是使用PIL 中的 getpixel ...
随机推荐
- Android React Native组件的生命周期及回调函数
熟悉android的童鞋应该都清楚,android是有生命周期的,其很多组件也是有生命周期.今天小编和大家分享的React Native组件的生命周期,还不了解的童鞋,赶紧来围观吧 在android开 ...
- GCC 中 -L、-rpath和-rpath-link的区别
GCC 中 -L.-rpath和-rpath-link的区别 来源 http://blog.csdn.net/q1302182594/article/details/42102961 关于这3个参数的 ...
- 雅礼集训 Day3 T2 u 解题报告
u 题目背景 \(\frac 14\) 遇到了一道水题,完全不会做,于是去请教小\(\text{D}\).小\(\text{D}\)看了一眼就切掉了这题,嘲讽了\(\frac 14\)一番就离开了. ...
- 排序(sortb)
题目描述 懒得写题目背景了,就不写了. 有一个 $0, 1 \dots n − 1$ 的排列 $p_1, p_2 \dots p_n$,如果 $p_i ⊕ p_j ≤ a$(其中 $⊕$ 为按位异或) ...
- ionic2.x 手动搭建开发环境教程分享(nodejs,jdk,ant,androidsdk)
1.ionic简介 为什么选用ionic: 1. 彻底开源且免费 2. 性能优异 3. 基于红的发紫的AngularJs 4. 漂亮的UI 5. 强大的命令行( ...
- swiper使用案例一
// 初始化函数 var mySwiper_a = new Swiper('.se3 .left', { direction: 'vertical', loop: true, autoplay: 50 ...
- Struts2---ActionContext和ServletActionContext小结
转载自:http://www.cnblogs.com/tanglin_boy/archive/2010/01/18/1650871.html感谢原文作者的总结 1. ActionContext 在St ...
- C++ bitset类的使用与简介 [转载]
有些程序要处理二进制位的有序集,每个位可能包含的是0(关)或1(开)的值.位是用来保存一组项或条件的yes/no信息(有时也称标志)的简洁方法.标准库提供了bitset类使得处理位集合更容易一些.要使 ...
- 使用百度地图JavaScript实现驾车/公交/步行导航功能
<html> <head> <meta http-equiv="Content-Type" content="text/html; char ...
- JavaScript Promise迷你书(中文版)--再学习
上次粗翻了一下,感觉没吃透,这次深入体会一下. <script> function getURL(URL) { return new Promise(function(resolve, r ...