Python验证码自动识别

当前位置:

首页 > Python基础教程 >

Python验证码自动识别

介绍

在python爬虫爬取某些网站的验证码的时候可能会遇到验证码识别的问题，今天就来看下如何让机器自动识别验证码。

识别验证码通常是这几个步骤：

1、灰度处理

2、二值化

3、去除边框（如果有的话）

4、降噪

5、切割字符或者倾斜度矫正

6、训练字体库

7、识别

这6个步骤中前三个步骤是基本的，4或者5可根据实际情况选择是否需要，并不一定切割验证码，识别率就会上升很多有时候还会下降

今天讲的不涉及训练字体库的内容，感兴趣的同学请自行搜索相关文章。

几个主要的验证码识别相关的python库： Pillow(python图像处理库)、OpenCV(高级图像处理库)、pytesseract(识别库)

灰度处理&二值化

灰度处理，就是把彩色的验证码图片转为灰色的图片。

二值化，是将图片处理为只有黑白两色的图片，利于后面的图像处理和识别

在OpenCV中有现成的方法可以进行灰度处理和二值化，处理后的效果：

代码：

						# 自适应阀值二值化

						def _get_dynamic_binary_image(filedir, img_name):

						  filename =   './out_img/' + img_name.split('.')[0] + '-binary.jpg'

						  img_name = filedir + '/' + img_name

						  print('.....' + img_name)

						  im = cv2.imread(img_name)

						  im = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY) #灰值化

						  # 二值化

						  th1 = cv2.adaptiveThreshold(im, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 21, 1)

						  cv2.imwrite(filename,th1)

						  return th1

去除边框

如果验证码有边框，那我们就需要去除边框，去除边框就是遍历像素点，找到四个边框上的所有点，把他们都改为白色，我这里边框是两个像素宽

注意：在用OpenCV时，图片的矩阵点是反的，就是长和宽是颠倒的

代码：

						# 去除边框

						def clear_border(img,img_name):

						  filename = './out_img/' + img_name.split('.')[0] + '-clearBorder.jpg'

						  h, w = img.shape[:2]

						  for y in range(0, w):

						    for x in range(0, h):

						      if y  w - 2:

						        img[x, y] = 255

						      if x  h -2:

						        img[x, y] = 255

						  cv2.imwrite(filename,img)

						  return img

栏目列表