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
- 【bzoj5015】[Snoi2017]礼物 矩阵乘法
题目描述 热情好客的请森林中的朋友们吃饭,他的朋友被编号为 1-N,每个到来的朋友都会带给他一些礼物:.其中,第一个朋友会带给他 1 个,之后,每一个朋友到来以后,都会带给他之前所有人带来的礼物个数再 ...
- CF888E Maximum Subsequence (Meet in the middle,贪心)
题目链接 Solution Meet in the middle. 考虑到 \(2^{35}\) 枚举会超时,于是分成两半枚举(尽量平均). 然后不能 \(n^2\) 去匹配,需要用到一点贪心: 将数 ...
- 7月13号day5总结
今天学习过程和小结 使用伪分布式进行大数据计算,计算气象站记录气温的平均值 weather map()方法,key值数据多所以用LongWritable,value值是string类型,string类 ...
- Struts2.0中ActionInvocation使用
Interceptor的接口定义没有什么特别的地方,除了init和destory方法以外,intercept方法是实现整个拦截器机制的核心方法.而它所依赖的参数ActionInvocation则是我们 ...
- 封装removeClass()
<div class="box haha xixi">123</div> <script> function removeClass(eleme ...
- 服务器 阿里云服务器Ubuntu挂载数据盘
服务器 阿里云服务器Ubuntu挂载数据盘 转自:http://www.codingyun.com/article/24.html coding云运行在阿里云的Ubuntu 12.04 64位操作系 ...
- 看得懂的区块链,看不清的ICO人心【转】
比特币又开始下跌了,是狂欢尽头还是又一波调整,无从得知,背后的乱象会让监管者继续心烦,而这乱象对我来说,有时候会有些心寒. 你说我怎么可能想到,我一个写程序的人,突然有一天会发现,朋友圈里有一些搞技术 ...
- Spring数据访问之JdbcTemplate
Spring数据访问之JdbcTemplate 使用JdbcTemplate的基本操作步骤 1.引jar包
- keystone总结
1. Keystone(OpenStack Identity Service)是OpenStack框架中,负责身份验证.服务规则和服务令牌的功能, 它实现了OpenStack的Identity API ...
- entitymanager 进行数据序列化
场景:同一个方法里,需要将前一部分执行的数据保存到数据库.后半部分读取数据时从数据库里获取,而不是获取到缓存里的数据. 理解eneityManager的这三个方法的作用和区别,首先需要分清楚Persi ...