現(xiàn)在的網(wǎng)站為了防止機(jī)器人提交表單，圖片驗(yàn)證碼是很常見的應(yīng)對(duì)手段之一。這里就不詳細(xì)介紹了，相信大家都遇到過。現(xiàn)在這篇文章就給出用Python識(shí)別驗(yàn)證碼的詳細(xì)示例代碼，文中介紹的很詳細(xì)，有需要的可以參考借鑒。

其實(shí)關(guān)于驗(yàn)證碼識(shí)別涉及很多方面的內(nèi)容，入手難度大，但是入手后，可拓展性又非常廣泛，可玩性極強(qiáng)，成就感也很足，對(duì)這感興趣的朋友們下面跟著小編一起來學(xué)習(xí)學(xué)習(xí)吧。

依賴

sudo apt-get install python-imaging
sudo apt-get install tesseract-ocr
pip install pytesseract

利用google ocr來識(shí)別驗(yàn)證碼

from PIL import Image
import pytesseract
image = Image.open('v1.jpg')
vcode = pytesseract.image_to_string(image)
print vcode

但是pytesseract本身識(shí)別率不高，而且一般網(wǎng)站的驗(yàn)證碼都帶有大量干擾元素。(￣▽￣)"

所以我們首先要對(duì)驗(yàn)證碼進(jìn)行去噪。

對(duì)于單像素干擾線、干擾點(diǎn)我們可以通過掃描整個(gè)圖像，考察每一個(gè)像素點(diǎn)所臨近的八個(gè)像素點(diǎn)的顏色，如果不同的個(gè)數(shù)大于一定的值，那就說明該點(diǎn)是離散點(diǎn)，需要去除。

另外也可以嘗試設(shè)定閾值來直接將驗(yàn)證碼二值化。

下面是兩張學(xué)校網(wǎng)站上的驗(yàn)證碼

我們可以看到驗(yàn)證碼存在單像素干擾點(diǎn)，所以我們需要設(shè)法去除。但是經(jīng)過反復(fù)刷新驗(yàn)證碼，發(fā)現(xiàn)這個(gè)驗(yàn)證碼

1. 只有加法運(yùn)算

2.至多兩位數(shù)的加法

3.文字部分一定是紅色(255,0,0)

有了上述的信息，可以判斷這個(gè)驗(yàn)證碼的生成算法是有缺陷的

import Image 
from numpy import * 
import pytesseract 
im = Image.open('1.png') 
im = im.convert('RGB') 
#拉長圖像，方便識(shí)別。
im = im.resize((200,80)) 
a = array(im) 
for i in xrange(len(a)): 
for j in xrange(len(a[i])): 
  if a[i][j][0] == 255: 
    a[i][j]=[0,0,0] 
  else: 
    a[i][j]=[255,255,255] 
im = Image.fromarray(a) 
im.show() 
vcode = pytesseract.image_to_string(im) 
print vcode

利用上述腳本我們可以將圖像進(jìn)行二值化，利用google ocr進(jìn)行識(shí)別。再通過eval()來對(duì)表達(dá)式進(jìn)行求值。

總結(jié)

python驗(yàn)證碼識(shí)別的內(nèi)容到這就基本介紹了，希望這篇文章對(duì)大家的學(xué)習(xí)或者工作能有所幫助，如果有疑問大家可以留言交流。

您可能感興趣的文章: