运维开发网
广告位招商联系QQ:123077622
 
广告位招商联系QQ:123077622

字符型验证码识别

运维开发网 https://www.qedev.com 2021-04-11 17:22 出处:51CTO 作者:mb5ffd6eef9281a
字符型验证码1. 什么是验证码在开发爬虫的过程中会遇到一种常见的反爬措施,验证码。验证码(CAPTCHA)是“Completely Automated Public Turing test to tell Computers and Humans Apart”(全自动区分计算机和人类的图灵测试)的缩写,是一种区分用户是计算机还是人的公共全自动程序。2. pillowPython传统的图像处理库PI

字符型验证码

1. 什么是验证码

在开发爬虫的过程中会遇到一种常见的反爬措施,验证码。验证码(CAPTCHA)是“Completely Automated Public Turing test to tell Computers and Humans Apart”(全自动区分计算机和人类的图灵测试)的缩写,是一种区分用户是计算机还是人的公共全自动程序。

2. pillow

Python传统的图像处理库PIL(Python Imaging Library ),可以说基本上是Python处理图像的标准库,功能强大,使用简单。

官方文档:https://pillow.readthedocs.io/en/latest/installation.html

Pillow的安装比较的简单,直接pip安装即可:

pip install Pillow

由于是继承自PIL的分支,所以Pillow的导入是这样的:

import PIL 

# 或者

from PIL import Image

3.常用属性

  • PIL.Image.filename

    图像源文件的文件名或者路径,只有使用open()方法创建的对象有这个属性。

    类型:字符串

  • PIL.Image.format

    图像源文件的文件格式。

  • PIL.Image.mode

    图像的模式,一般来说是“1”, “L”, “RGB”, 或者“CMYK” 。

  • PIL.Image.size

    图像的大小

  • PIL.Image.width

    图像的宽度

  • PIL.Image.height

    图像的高度

  • PIL.Image.info

    图像的一些信息,为字典格式

字符串验证码的处理

这是code.png

字符型验证码识别

4.1 灰度化

一张图片由很多像素点构成,一个像素点的颜色是由RGB三个值来表现的

R=G=B 这个值就叫做灰度值  白色255 黑色0

R * 0.3 +G * 0.59 + B * 0.11

from PIL import Image

image = Image.open('code.png')

im = image.convert('L')

im.show()

效果如下

字符型验证码识别

4.2 二值化

先灰度在二值化

利用一个阈值来判断一个图像的像素点是0还是255,小于阈值像素点就变为0,大于阈值像素点编程255

常用阈值选择的方法是:

  • 灰度平局值法:取127 (0~255的中数, (0+255)/2 = 127)

平均值法:

  • 计算像素点矩阵中的所有像素点的灰度值的平均值avg

from PIL import Image

def binazing(image):

    '''

    对图片进行灰度和二值化

    :param image:

    :return:

    '''

    image = image.convert('L')

    # 增强对比度

    image = image.point(lambda x: 1.2 * x)

    w,h = image.size

    # print(w,h)

    ### 二值化

    pixdata = image.load()

    for i in range(h):

        for j in range(w):

            if pixdata[j,i] > 170:

                pixdata[j,i] = 255

            else:

                pixdata[j, i] = 0

    return image

if __name__ == '__main__':

    image = Image.open('code.png')

    image = binazing(image)

    image.show()

效果如下

字符型验证码识别

4.3 降噪

经过了二值化处理,整个图片像素就被分为了两个值0和255, 如果一个像素点是图片或者干扰因素的一部分,那么她的灰度值一定是0(黑色),如果一个点是背景,其灰度值应该是255,白色

所以对于孤立的噪点,他的周围应该都是白色,或者大多数点都是白色的,所以在判断的时候条件应该放宽,一个点是黑色并且相邻的点为白色的点的个数大于一个固定的值,那么这个点就是噪点。

说白了就是一个黑点周围都是白色的就是噪点

def depoint(image):

    '''

    对图片进行降噪

    :param image:

    :return:

    '''

    pixdata = image.load()

    w,h = image.size

    for y in range(1,h-1):

        for x in range(1,w-1):

            count = 0 # 用来判断是否达到噪点的要求

            # 一个点的八个方向,就是3X3矩阵中,噪点是5的位置

            # 245是可以变的值,但最好不要是250以上

            if pixdata[x,y-1] >245:

                count =count +1

            if pixdata[x,y+1] >245:

                count =count +1

            if pixdata[x-1,y] >245:

                count =count +1

            if pixdata[x+1,y] >245:

                count =count +1

            if pixdata[x-1, y - 1] > 245:

                count = count + 1

            if pixdata[x+1, y + 1] > 245:

                count = count + 1

            if pixdata[x - 1, y+1] > 245:

                count = count + 1

            if pixdata[x + 1, y-1] > 245:

                count = count + 1

            if count>4:

                pixdata[x,y] =255

    return image

效果如下

字符型验证码识别

识别

下面是用比较古老的pytesser3识别验证码

github地址:https://github.com/tesseract-ocr/tesseract/wiki

下载地址:https://github.com/UB-Mannheim/tesseract/wiki

注意记得添加环境变量

字符型验证码识别

新建TESSDATA_PREFIX 环境变量

字符型验证码识别

cmd下可以运行tesseract

字符型验证码识别

安装

pip install pytesseract 

只需要就可以了

pytesseract.image_to_string(image)

最终识别出来了,TBQ还有一个L没有识别出来,这是我调了很多次的对比度最好的结果

字符型验证码识别

6. 反思

对于需要准确度高的识别,需要使用百度的api,而不是使用传统的方法。

字符型验证码识别

一直原创,从未转载

请认准我,将我置标

字符型验证码识别

转发,好看支持一下,感谢

扫码领视频副本.gif

0

精彩评论

暂无评论...
验证码 换一张
取 消

关注公众号