本站分享:AI、大数据、数据分析师培训认证考试,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训

Python–pytesseract验证码识别处理实例

python培训 cdadata 3660℃

Python–pytesseract验证码识别处理实例

关键词:pytesseract 验证码python3 pytesseractpython pytesseract

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)

下载后是一个exe,直接双击安装,它会自动安装到C:\Python27\Lib\site-packages中去,

(2)pytesser:下载地址:http://code.google.com/p/pytesser/,(CSDN下载)

下载解压后直接放C:\Python27\Lib\site-packages(根据你安装的Python路径而不同),同时,新建一个pytesser.pth,内容就写pytesser,注意这里的内容一定要和pytesser这个文件夹同名,意思就是pytesser文件夹,pytesser.pth,及内容都要一样!

Python--pytesseract验证码识别处理实例

(3)Tesseract OCR engine下载:http://code.google.com/p/tesseract-ocr/(CSDN下载)

下载后解压,tessdata文件夹,用其替换掉pytesser解压后的tessdata文件夹即可。(就上面的pytesser文件夹)

Python--pytesseract验证码识别处理实例

二、验证

(1)原理:

验证码图像处理

验证码图像识别技术主要是操作图片内的像素点,通过对图片的像素点进行一系列的操作,最后输出验证码图像内的每个字符的文本矩阵。

1、读取图片
2、图片降噪
3、图片切割
4、图像文本输出

(2)验证字符识别

验证码内的字符识别主要以机器学习的分类算法来完成,目前我所利用的字符识别的算法为KNN(K邻近算法)和SVM (支持向量机算法),后面我 会对这两个算法的适用场景进行详细描述。

1、获取字符矩阵
2、矩阵进入分类算法
3、输出结果

 

要验证的图片如下:

(3)、简单的命令:

from pytesser import *
image = Image.open('1.jpg')  # Open image object using PIL
print image_to_string(image)     # Run tesseract.exe on image

然后运行:

Python--pytesseract验证码识别处理实例

 

或者直接:

 print image_file_to_string('fnord.tif')

同样能输出结果!

(4)、复杂一点的

上面的只能对一些比较简单的做处理,一

原理:彩色转灰度,灰度转二值,二值图像识别

# 验证码识别,此程序只能识别数据验证码
import Image  
import ImageEnhance  
import ImageFilter  
import sys  
from pytesser import *
# 二值化  
threshold = 140  
table = []  
for i in range(256):  
    if i < threshold:  
        table.append(0)  
    else:  
        table.append(1)  
  
#由于都是数字  
#对于识别成字母的 采用该表进行修正  
rep={'O':'0',  
    'I':'1','L':'1',  
    'Z':'2',  
    'S':'8'  
    };  
  
def  getverify1(name):        
    #打开图片  
    im = Image.open(name)  
    #转化到灰度图
    imgry = im.convert('L')
    #保存图像
    imgry.save('g'+name)  
    #二值化,采用阈值分割法,threshold为分割点 
    out = imgry.point(table,'1')  
    out.save('b'+name)  
    #识别  
    text = image_to_string(out)  
    #识别对吗  
    text = text.strip()  
    text = text.upper();    
    for r in rep:  
        text = text.replace(r,rep[r])   
    #out.save(text+'.jpg')  
    print text  
    return text  
getverify1('1.jpg')  #注意这里的图片要和此文件在同一个目录,要不就传绝对路径也行  

运行后效果:

Python--pytesseract验证码识别处理实例

 

 

转载请注明:数据分析 » Python–pytesseract验证码识别处理实例

喜欢 (0)or分享 (0)