Python驗證碼識別處理實例

一、准備工作與代碼實例

1、PIL、pytesser、tesseract

(1)安裝PIL：下載地址：http://www.pythonware.com/products/pil/（CSDN下載）

下載后是一個exe，直接雙擊安裝，它會自動安裝到C:\Python27\Lib\site-packages中去，

(2)pytesser:下載地址：http://code.google.com/p/pytesser/,（CSDN下載）

下載解壓后直接放C:\Python27\Lib\site-packages(根據你安裝的Python路徑而不同)，同時，新建一個pytesser.pth,內容就寫pytesser，注意這里的內容一定要和pytesser這個文件夾同名，意思就是pytesser文件夾，pytesser.pth,及內容都要一樣！

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

下載后解壓，tessdata文件夾，用其替換掉pytesser解壓后的tessdata文件夾即可。(就上面的pytesser文件夾)

二、驗證

（1）原理：

驗證碼圖像處理

驗證碼圖像識別技術主要是操作圖片內的像素點,通過對圖片的像素點進行一系列的操作,最后輸出驗證碼圖像內的每個字符的文本矩陣。

1、讀取圖片
2、圖片降噪
3、圖片切割
4、圖像文本輸出

（2）驗證字符識別

驗證碼內的字符識別主要以機器學習的分類算法來完成,目前我所利用的字符識別的算法為KNN(K鄰近算法)和SVM (支持向量機算法),后面我 會對這兩個算法的適用場景進行詳細描述。

1、獲取字符矩陣
2、矩陣進入分類算法
3、輸出結果

 

要驗證的圖片如下：

（3）、簡單的命令：

 

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

然后運行：

 

 

 

 

或者直接：

 

print image_file_to_string('fnord.tif')

同樣能輸出結果！

 

（4）、復雜一點的

上面的只能對一些比較簡單的做處理，一

原理：彩色轉灰度，灰度轉二值，二值圖像識別

 

# 驗證碼識別，此程序只能識別數據驗證碼
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)

#由於都是數字
#對於識別成字母的 采用該表進行修正
rep={'O':'0',
    'I':'1','L':'1',
    'Z':'2',
    'S':'8'
    };

def  getverify1(name):
    #打開圖片
    im = Image.open(name)
    #轉化到灰度圖
    imgry = im.convert('L')
    #保存圖像
    imgry.save('g'+name)
    #二值化，采用閾值分割法，threshold為分割點
    out = imgry.point(table,'1')
    out.save('b'+name)
    #識別
    text = image_to_string(out)
    #識別對嗎
    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')  #注意這里的圖片要和此文件在同一個目錄，要不就傳絕對路徑也行

運行后效果：

 

 

from: http://blog.csdn.net/evankaka/article/details/49533493