爬蟲python驗(yàn)證碼識(shí)別
前言：
二值化、普通降噪、8鄰域降噪
tesseract、tesserocr、pil
參考文獻(xiàn)--代碼地址：https://github.com/liguobao/python-verify-code-ocr
1、批量下載驗(yàn)證碼圖片
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
import shutilimport requestsfrom loguru import loggerfor i in range(100): url = 'http://xxxx/create/validate/image' response = requests.get(url, stream=true) with open(f'./imgs/{i}.png', 'wb') as out_file: response.raw.decode_content = true shutil.copyfileobj(response.raw, out_file) logger.info(f"download {i}.png successfully.") del response |
2、識(shí)別代碼看看效果
|
1
2
3
4
5
6
7
8
9
10
|
from pil import imageimport tesserocrimg = image.open("./imgs/98.png")img.show()img_l = img.convert("l")# 灰階圖img_l.show()verify_code1 = tesserocr.image_to_text(img)verify_code2 = tesserocr.image_to_text(img_l)print(f"verify_code1:{verify_code1}")print(f"verify_code2:{verify_code2}") |
毫無疑問，無論是原圖還是灰階圖，一無所有。
3、折騰降噪、去干擾
python圖片驗(yàn)證碼降噪 - 8鄰域降噪
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
|
from pil import image# https://www.cnblogs.com/jhao/p/10345853.html python圖片驗(yàn)證碼降噪 — 8鄰域降噪 def noise_remove_pil(image_name, k): """ 8鄰域降噪 args: image_name: 圖片文件命名 k: 判斷閾值 returns: """ def calculate_noise_count(img_obj, w, h): """ 計(jì)算鄰域非白色的個(gè)數(shù) args: img_obj: img obj w: width h: height returns: count (int) """ count = 0 width, height = img_obj.size for _w_ in [w - 1, w, w + 1]: for _h_ in [h - 1, h, h + 1]: if _w_ > width - 1: continue if _h_ > height - 1: continue if _w_ == w and _h_ == h: continue if img_obj.getpixel((_w_, _h_)) < 230: # 這里因?yàn)槭腔叶葓D像，設(shè)置小于230為非白色 count += 1 return count img = image.open(image_name) # 灰度 gray_img = img.convert('l') w, h = gray_img.size for _w in range(w): for _h in range(h): if _w == 0 or _h == 0: gray_img.putpixel((_w, _h), 255) continue # 計(jì)算鄰域非白色的個(gè)數(shù) pixel = gray_img.getpixel((_w, _h)) if pixel == 255: continue if calculate_noise_count(gray_img, _w, _h) < k: gray_img.putpixel((_w, _h), 255) return gray_imgif __name__ == '__main__': image = noise_remove_pil("./imgs/1.png", 4) image.show() |
看下圖效果：
這樣差不多了，不過還可以提升
提升新思路：
這邊的干擾線是從某個(gè)點(diǎn)發(fā)出來的紅色線條，
其實(shí)我只需要把紅色的像素點(diǎn)都干掉，這個(gè)線條也會(huì)被去掉。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
from pil import imageimport tesserocrimg = image.open("./imgs/98.png")img.show()# 嘗試去掉紅像素點(diǎn)w, h = img.sizefor _w in range(w): for _h in range(h): o_pixel = img.getpixel((_w, _h)) if o_pixel == (255, 0, 0): img.putpixel((_w, _h), (255, 255, 255))img.show()img_l = img.convert("l")# img_l.show()verify_code1 = tesserocr.image_to_text(img)verify_code2 = tesserocr.image_to_text(img_l)print(f"verify_code1:{verify_code1}")print(f"verify_code2:{verify_code2}") |
看起來ok，上面還有零星的藍(lán)色像素掉，也可以用同樣的方法一起去掉。
甚至ocr都直接出效果了
好了，完結(jié)撒花。
不過，后面發(fā)現(xiàn)，有些紅色線段和藍(lán)色點(diǎn)，是和驗(yàn)證碼重合的。
這個(gè)時(shí)候，如果直接填成白色，就容易把字母切開，導(dǎo)致識(shí)別效果變差。
當(dāng)前點(diǎn)是紅色或者藍(lán)色，判斷周圍點(diǎn)是不是超過兩個(gè)像素點(diǎn)是黑色。
是，填充為黑色。
否，填充成白色。
最終完整代碼：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
|
from pil import imageimport tesserocrfrom loguru import loggerclass verfycodeocr(): def __init__(self) -> none: pass def ocr(self, img): """ 驗(yàn)證碼ocr args: img (img): imgobject/imgpath returns: [string]: 識(shí)別結(jié)果 """ img_obj = image.open(img) if type(img) == str else img self._remove_pil(img_obj) verify_code = tesserocr.image_to_text(img_obj) return verify_code.replace("\n", "").strip() def _get_p_black_count(self, img: image, _w: int, _h: int): """ 獲取當(dāng)前位置周圍像素點(diǎn)中黑色元素的個(gè)數(shù) args: img (img): 圖像信息 _w (int): w坐標(biāo) _h (int): h坐標(biāo) returns: int: 個(gè)數(shù) """ w, h = img.size p_round_items = [] # 超過了橫縱坐標(biāo) if _w == 0 or _w == w-1 or 0 == _h or _h == h-1: return 0 p_round_items = [img.getpixel( (_w, _h-1)), img.getpixel((_w, _h+1)), img.getpixel((_w-1, _h)), img.getpixel((_w+1, _h))] p_black_count = 0 for p_item in p_round_items: if p_item == (0, 0, 0): p_black_count = p_black_count+1 return p_black_count def _remove_pil(self, img: image): """清理干擾識(shí)別的線條和噪點(diǎn) args: img (img): 圖像對(duì)象 returns: [img]: 被清理過的圖像對(duì)象 """ w, h = img.size for _w in range(w): for _h in range(h): o_pixel = img.getpixel((_w, _h)) # 當(dāng)前像素點(diǎn)是紅色(線段) 或者 綠色（噪點(diǎn)） if o_pixel == (255, 0, 0) or o_pixel == (0, 0, 255): # 周圍黑色數(shù)量大于2，則把當(dāng)前像素點(diǎn)填成黑色；否則用白色覆蓋 p_black_count = self._get_p_black_count(img, _w, _h) if p_black_count >= 2: img.putpixel((_w, _h), (0, 0, 0)) else: img.putpixel((_w, _h), (255, 255, 255)) logger.info(f"_remove_pil finish.") # img.show() return imgif __name__ == '__main__': verfycodeocr = verfycodeocr() img_path = "./imgs/51.png" img= image.open(img_path) img.show() ocr_result = verfycodeocr.ocr(img) img.show() logger.info(ocr_result) |
到此這篇關(guān)于爬蟲python驗(yàn)證碼識(shí)別入門的文章就介紹到這了,更多相關(guān)python驗(yàn)證碼識(shí)別內(nèi)容請(qǐng)搜索服務(wù)器之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持服務(wù)器之家！
原文鏈接：https://www.cnblogs.com/liguobao/p/15111849.html
