python验证码识别的实例详解

其实关于验证码识别涉及很多方面的内容，入手难度大，但是入手后，可拓展性又非常广泛，可玩性极强，成就感也很足，对这感兴趣的朋友们下面跟着小编一起来学习学习吧。

依赖

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

利用google ocr来识别验证码

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

但是pytesseract本身识别率不高，而且一般网站的验证码都带有大量干扰元素。(￣▽￣)"

所以我们首先要对验证码进行去噪。

对于单像素干扰线、干扰点我们可以通过扫描整个图像，考察每一个像素点所临近的八个像素点的颜色，如果不同的个数大于一定的值，那就说明该点是离散点，需要去除。

另外也可以尝试设定阈值来直接将验证码二值化。

下面是两张学校网站上的验证码

我们可以看到验证码存在单像素干扰点，所以我们需要设法去除。但是经过反复刷新验证码，发现这个验证码

     1. 只有加法运算

     2.至多两位数的加法

     3.文字部分一定是红色(255,0,0)

有了上述的信息，可以判断这个验证码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') 
#拉长图像，方便识别。
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 

利用上述脚本我们可以将图像进行二值化，利用google ocr进行识别。再通过eval()来对表达式进行求值。

总结

python验证码识别的内容到这就基本介绍了，希望这篇文章对大家的学习或者工作能有所帮助，如果有疑问大家可以留言交流。