mac使用python识别图形验证码功能

2023-08-03 07:54:06 73

前言

最近在研究验证码相关的操作，所以准备记录下安装以及使用的过程。虽然之前对验证码的破解有所了解的，但是之前都是简单使用之后就不用了，没有记录一个详细的过程，所以后面再用起来也要重新从网上查找资料比较麻烦，所以这里准备对研究过程的关键点做一个记录。

首先这篇文章，主要是研究图形验证码，后期会不定时拓展内容。

在网上查了很多版本的图形验证码识别，目前看到最多的两个模块是pytesseract和tesserocr，但是因为我这里安装tesserocr的时候各种出错，所以最终我锁定了使用pytesseract。

那么接下来，就记录下安装以及使用过程。这里的系统环境是macos10.14.

安装tesserocr

brewinstalltesserocr

因为pytesseract依赖于tesserocr所以首先需要先安装tesserocr这个软件。接下来就是安装python相关的包

安装python所需要的包

pip3installpytesseract
pip3installpillow

安装pytesseract是ocr识别图片上的字，因为验证码的识别难度高低不同，所以在这个过程中需要对图片做一定的处理，这就需要使用处理图片的模块pillow。

一个简单的demo

importpytesseract
fromPILimportImage
importos
defbinarizing(img,threshold):
"""传入image对象进行灰度、二值处理"""
pixdata=img.load()
w,h=img.size
#遍历所有像素，大于阈值的为黑色
foryinrange(h):
forxinrange(w):
ifpixdata[x,y]
示例中的图片

需要用到的图像知识：
对于彩色图像，不管其图像格式是PNG，还是BMP，或者JPG，在PIL中，使用Image模块的open()函数打开后，返回的图像对象的模式都是“RGB”。而对于灰度图像，不管其图像格式是PNG，还是BMP，或者JPG，打开后，其模式为“L”也就是我们说的灰度化的一个操作。除此之外，还有其他的模式，不过我们在处理验证码的时候是将其转为灰度模式，所以就不强调其他的模式了。
模式“L”
模式“L”为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。在PIL中，从模式“RGB”转换为“L”模式是按照下面的公式转换的：
L=R*299/1000+G*587/1000+B*114/1000
通过灰度化之后的图片变为

灰度化我们还要对其进行二值化操作
二值化操作
二值化故名思议，就是整个图像所有像素只有两个值可以选择，一个是黑（灰度为0），一个是白（灰度为255）。二值化的好处就是将图片上的有用信息和无用信息区分开来，比如二值化之后的验证码图片，验证码像素为黑色，背景和干扰点为白色，这样后面对验证码像素处理的时候就会很方便。对于简单的图形验证码，到这里基本上就够了，但是如果有干扰线，还要进行除干扰线的操作。
对应的代码为
defbinarizing(img,threshold):
"""传入image对象进行灰度、二值处理"""
pixdata=img.load()
w,h=img.size
#遍历所有像素，大于阈值的为黑色
foryinrange(h):
forxinrange(w):
ifpixdata[x,y]
此时的图片效果为

可以看到图片变得锐化了很多，这个时候再去识别就比较好识别了。
去干扰线
常见的4邻域、8邻域算法。所谓的X邻域算法，可以参考手机九宫格输入法，按键5为要判断的像素点，4邻域就是判断上下左右，8邻域就是判断周围8个像素点。如果这4或8个点中255的个数大于某个阈值则判断这个点为噪音，阈值可以根据实际情况修改。
使用cv2处理
除此之外还可以使用cv2模块进行处理。
安装
pipinstallopencv-python
代码示例
#-*-coding:utf-8-*-
importcv2
importnumpyasnp
importos
_temp=os.path.dirname(__file__)
file_path=os.path.join(_temp,'code2.jpg')
defremove_noise(img,k=4):
###8领域过滤
img2=img.copy()
#img处理数据，k过滤条件
w,h=img2.shape
defget_neighbors(img3,r,c):
count=0
foriin[r-1,r,r+1]:
forjin[c-1,c,c+1]:
ifimg3[i,j]>10:#纯白色
count+=1
returncount
#两层for循环判断所有的点
forxinrange(w):
foryinrange(h):
ifx==0ory==0orx==w-1ory==h-1:
img2[x,y]=255
else:
n=get_neighbors(img2,x,y)#获取邻居数量，纯白色的邻居
ifn>k:
img2[x,y]=255
returnimg2
img=cv2.imread(file_path)
#将图片灰度化处理,降维,加权进行灰度化c
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
t,gray2=cv2.threshold(gray,200,255,cv2.THRESH_BINARY)
cv2.imshow('threshold',gray2)
result=remove_noise(gray2)
cv2.imshow('8neighbors',result)
cv2.waitKey(0)
#cv2.destroyAllWindows()
总结
以上所述是小编给大家介绍的mac使用python识别图形验证码功能，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对毛票票网站的支持！如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。

mac使用python识别图形验证码功能

热门推荐

随机推荐