opencv 驗證碼 識別

示例圖片 ：  

 

主要應用原理為：1

1、先識別出圖片中每個像素的數量   例如 紅色在200左右

2、將紅色的像素單獨提出來  這樣起到去除噪點的作用

3、分割圖片並保存  

4、識別圖片

 

具體代碼如下：

# coding=utf-8
# !/usr/bin/python
"""
opencv 驗證碼識別
Created on: 2018/7/31  16:12
@author: 蟲子慢慢爬
Email: [e-mail]
"""
# -*- coding=GBK -*-

from PIL import Image
import hashlib
import time

im = Image.open("C:/Users/admin/Desktop/image/p.jpg")

# (將圖片轉換為8位像素模式)

im = im.convert("P")

# 打印顏色直方圖

print(im.histogram())
"""顏色直方圖的每一位數字都代表了在圖片中含有對應位的顏色的像素的數量。
   每個像素點可表現256種顏色,你會發現白點是最多
   （白色序號255的位置,也就是最后一位,可以看到,有625個白色像素）。
   紅像素在序號200左右,我們可以通過排序,得到有用的顏色。
"""
his = im.histogram()

values = {}

for i in range(256):
    values[i] = his[i]

for j, k in sorted(values.items(), key=lambda x: x[1], reverse=True)[:10]:
    print(j, k)
"""
我們得到了圖片中最多的10種顏色,
其中 220 與 227 才是我們需要的紅色和灰色,
可以通過這一訊息構造一種黑白二值圖片
"""
im2 = Image.new("P", im.size, 255)

for x in range(im.size[1]):

    for y in range(im.size[0]):
        pix = im.getpixel((y, x))
        if pix == 225:  # these are the numbers to get
            im2.putpixel((y, x), 0)

im2.show()
# time.sleep(3)
""" 接下來的工作是要得到單個字符的像素集合,由於例子比較簡單,我們對其進行縱向切割:"""

inletter = False

foundletter = False

start = 0

end = 0

letters = []

for y in range(im2.size[0]):

    for x in range(im2.size[1]):
        pix = im2.getpixel((y, x))

        if pix != 255:
            inletter = True

    if foundletter == False and inletter == True:
        foundletter = True
        start = y

    if foundletter == True and inletter == False:
        foundletter = False
        end = y
        letters.append((start, end))

    inletter = False

print(letters)

# [(6, 14), (15, 25), (27, 35), (37, 46), (48, 56), (57, 67)]

"""  得到每個字符開始和結束的列序號。"""

count = 0

for letter in letters:
    m = hashlib.md5()

    im3 = im2.crop((letter[0], 0, letter[1], im2.size[1]))
    ss1 = str(time.time()) + str(count)
    print(ss1)
    m.update(ss1.encode('utf-8'))
    # 對圖片進行切割,得到每個字符所在的那部分圖片。
    im3.save("./%s.gif" % (m.hexdigest()))

    count += 1
    """
在這里我們使用向量空間搜索引擎來做字符識別,它具有很多優點:

不需要大量的訓練迭代

不會訓練過度

你可以隨時加入／移除錯誤的數據查看效果

很容易理解和編寫成代碼

提供分級結果,你可以查看最接近的多個匹配

對於無法識別的東西只要加入到搜索引擎中,馬上就能識別了。

  當然它也有缺點,例如分類的速度比神經網絡慢很多,它不能找到自己的方法解決問題等等。

  向量空間搜索引擎名字聽上去很高大上其實原理很簡單。拿文章里的例子來說:

  你有 3 篇文檔,我們要怎么計算它們之間的相似度呢？兩篇文檔所使用的相同的單詞越多,那這兩篇文章就越相似!但是這單詞太多怎么辦,就由我們來選擇幾個關鍵單詞,選擇的單詞又被稱作特征,每一個特征就好比空間中的一個維度（x,y,z 等）,一組特征就是一個矢量,每一個文檔我們都能得到這么一個矢量,只要計算矢量之間的夾角就能得到文章的相似度了。

  用 Python 類實現向量空間:
"""

import math


class VectorCompare:

    # 計算矢量大小

    def magnitude(self, concordance):

        total = 0

        for word, count in concordance.iteritems():
            total += count ** 2

        return math.sqrt(total)

    # 計算矢量之間的 cos 值

    def relation(self, concordance1, concordance2):

        relevance = 0

        topvalue = 0

        for word, count in concordance1.iteritems():

            if concordance2.has_key(word):
                topvalue += count * concordance2[word]

        return topvalue / (self.magnitude(concordance1) * self.magnitude(concordance2))

    #   它會比較兩個 python 字典類型並輸出它們的相似度（用 0～1 的數字表示）

    """
    將之前的內容放在一起
      還有取大量驗證碼提取單個字符圖片作為訓練集合的工作,但只要是有好好讀上文的同學就一定知道這些工作要怎么做,在這里就略去了。可以直接使用提供的訓練集合來進行下面的操作。
    
      iconset目錄下放的是我們的訓練集。
    
      最后追加的內容:
    
    """

    # 將圖片轉換為矢量

    def buildvector(im):

        d1 = {}

        count = 0

        for i in im.getdata():
            d1[count] = i

            count += 1

        return d1


v = VectorCompare()

iconset = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9', '0', 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k',
           'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z']

import os

# 加載訓練集

imageset = []

for letter in iconset:

    for img in os.listdir('./iconset/%s/' % (letter)):

        temp = []

        if img != "Thumbs.db" and img != ".DS_Store":
            temp.append(v.buildvector(Image.open("./iconset/%s/%s" % (letter, img))))

            imageset.append({letter: temp})

count = 0

# 對驗證碼圖片進行切割

for letter in letters:
    m = hashlib.md5()

    im3 = im2.crop((letter[0], 0, letter[1], im2.size[1]))

    guess = []

# 將切割得到的驗證碼小片段與每個訓練片段進行比較

for image in imageset:

    for x, y in image.iteritems():

        if len(y) != 0:
            guess.append((v.relation(y[0], v.buildvector(im3)), x))

        guess.sort(reverse=True)

    print("", guess[0])

    count += 1

 

希望對大家有幫助哦！！