验证码识别2 图像预处理

最新推荐文章于 2024-05-25 13:38:52 发布

Eric6_17

最新推荐文章于 2024-05-25 13:38:52 发布

阅读量2.2k

点赞数

本文将算法第一步的图像预处理，这里有对图像的格式转换，灰度化，对比度改变，锐化，转为黑白图像，去除噪点等一系列操作。

由于要进行图像处理，所以文件头首先要写上：

from PIL import Image,ImageEnhance,ImageFilter,ImageGrab

#定义图像预处理的整体函数

def Change_Image(Docu_Name,Dist):
    im = Handle_Image(Docu_Name,Dist)
    X_Value=Cut_X(im)
    Y_Value=Cut_Y(im)

    ims = []
    Image_Value=[]
    Image_Values=[]
    Image_Value_Row=[]
    for k in range(4):
        im1= im.crop((X_Value[(2*k)],Y_Value[(2*k)],(X_Value[(2*k 1)] 1),(Y_Value[(2*k 1)] 1))) #切割图像为4个子图像
        ims.append(im1)
        for j in range(Y_Value[(2*k)],(Y_Value[(2*k 1)] 1)):
            for i in range(X_Value[(2*k)],(X_Value[(2*k 1)] 1)):
                if im.getpixel((i,j))==0:#黑色像素的值是0
                    Image_Value_Row.append(1)
                else:
                    Image_Value_Row.append(0)

            Image_Value.append(Image_Value_Row)#
            Image_Value_Row=[]#

        Image_Values.append(Image_Value)
        Image_Value=[]

    return Image_Values #返回切割后各个图像对应的黑白像素的0-1值所存储在其中的三维数组。

#处理图片以便后续的0-1二值化
def Handle_Image(Docu_Name,Dist):
    im = Image.open('%s'%(Dist Docu_Name) '.png') #打开对应目录的png格式的验证码图片
    im=im.convert('RGB')

    for j in range(im.size[1]):
        for i in range(im.size[0]):
            Gray = Change_Gray(im.getpixel((i,j)))  #灰度化
            im.putpixel([i,j],(Gray,Gray,Gray))
            if i==0 or i==(im.size[0]-1): #将图片的第一行和最后一行设为白色。
                im.putpixel([i,j],(255,255,255))
            if j==0 or j==(im.size[1]-1):#将图片的第一列和最后一列设为白色。
                im.putpixel([i,j],(255,255,255))
    enhancer = ImageEnhance.Contrast(im) #增加对比对
    im = enhancer.enhance(2)
    enhancer = ImageEnhance.Sharpness(im) #锐化
    im = enhancer.enhance(2)
    enhancer = ImageEnhance.Brightness(im) #增加亮度
    im = enhancer.enhance(2)
    #im=im.convert('L').filter(ImageFilter.DETAIL) #滤镜效果
    im = im.convert('1') #转为黑白图片

    im = Clear_Point(im) #清除周围8个像素都是白色的孤立噪点
    im = Clear_Point_Twice(im) #清除两个孤立的噪点：周围8个像素中有7个是白色，而唯一的黑色像素对应的他的邻域（他周围的8个像素）中唯一的黑色像素是自身。

    im = Clear_Point_Third(im) #清除第三种噪点：左右都是3个（含）以上的空白列，自身相邻的3个列上的X值投影不大于3.

    return im

#改变灰度，查文献后发现据说按照下面的R，G，B数值的比例进行调整，图像的灰度最合适。
def Change_Gray(RGB_Value):
Gray = int((RGB_Value[0]*299 RGB_Value[1]*587 RGB_Value[2]*114)/1000)
return Gray

图像处理的关键是后续的清楚噪点，也就是所谓的孤立点

#清除单个孤立点
def Clear_Point(im):
    for j in range(1,(im.size[1]-1)):
        for i in range(1,(im.size[0]-1)):
            if im.getpixel((i,j))==0 and im.getpixel(((i-1),(j-1)))==255  and im.getpixel((i,(j-1)))==255  and im.getpixel(((i 1),(j-1)))==255  and im.getpixel(((i-1),j))==255  and im.getpixel(((i 1),j))==255  and im.getpixel(((i-1),(j 1)))==255  and im.getpixel((i,(j 1)))==255  and im.getpixel(((i 1),(j 1)))==255:
                im.putpixel([i,j],255)
    return im

#清除只有2个的孤立点
def Clear_Point_Twice(im):
    for j in range(1,(im.size[1]-1)):
        for i in range(1,(im.size[0]-1)):
            if im.getpixel((i,j))==0 and ( im.getpixel(((i-1),(j-1))) im.getpixel((i,(j-1))) im.getpixel(((i 1),(j-1))) im.getpixel(((i-1),j)) im.getpixel(((i 1),j)) im.getpixel(((i-1),(j 1))) im.getpixel((i,(j 1))) im.getpixel(((i 1),(j 1)))) == 255*7:
                if im.getpixel(((i 1),j))==0: #因为扫描的顺序是从上到下，从左到右，噪点只能是在自身像素的后面和下面，也就是只有4个可能性而已，而不是8个，可以减少一半的代码。
                    m=i 1
                    n=j
                    if ( im.getpixel(((m-1),(n-1))) im.getpixel((m,(n-1))) im.getpixel(((m 1),(n-1))) im.getpixel(((m-1),n))   im.getpixel(((m 1),n)) im.getpixel(((m-1),(n 1))) im.getpixel((m,(n 1))) im.getpixel(((m 1),(n 1)))) == 255*7:
                       im.putpixel([i,j],255)
                       im.putpixel([m,n],255)
                elif im.getpixel(((i-1),(j 1)))==0:
                    m=i-1
                    n=j 1
                    if ( im.getpixel(((m-1),(n-1))) im.getpixel((m,(n-1))) im.getpixel(((m 1),(n-1))) im.getpixel(((m-1),n))    im.getpixel(((m 1),n)) im.getpixel(((m-1),(n 1))) im.getpixel((m,(n 1))) im.getpixel(((m 1),(n 1)))) == 255*7:
                       im.putpixel([i,j],255)
                       im.putpixel([m,n],255)
                elif im.getpixel((i,(j 1)))==0:
                    m=i
                    n=j 1
                    if ( im.getpixel(((m-1),(n-1))) im.getpixel((m,(n-1))) im.getpixel(((m 1),(n-1))) im.getpixel(((m-1),n))    im.getpixel(((m 1),n)) im.getpixel(((m-1),(n 1))) im.getpixel((m,(n 1))) im.getpixel(((m 1),(n 1)))) == 255*7:
                       im.putpixel([i,j],255)
                       im.putpixel([m,n],255)
                elif im.getpixel(((i 1),(j 1)))==0:
                    m=i 1
                    n=j 1
                    if ( im.getpixel(((m-1),(n-1))) im.getpixel((m,(n-1))) im.getpixel(((m 1),(n-1))) im.getpixel(((m-1),n))    im.getpixel(((m 1),n)) im.getpixel(((m-1),(n 1))) im.getpixel((m,(n 1))) im.getpixel(((m 1),(n 1)))) == 255*7:
                       im.putpixel([i,j],255)
                       im.putpixel([m,n],255)
    return im

清楚第三种噪点比较麻烦，需要计算图像的0-1值在X轴的投影后，才能判断。

#依据图片像素颜色计算X轴投影
def Caculate_X(im):
    Image_Value=[]
    for i in range(im.size[0]):
        Y_pixel=0
        for j in range(im.size[1]):
            if im.getpixel((i,j))==0:
                temp_value=1
            else:
                temp_value=0
            Y_pixel = Y_pixel temp_value
        Image_Value.append(Y_pixel)

return Image_Value

#逐次将多列设为全白
def Set_White_Y(im,List_Black):
    for j in range(im.size[1]):
        for i in range(List_Black[0],(List_Black[(len(List_Black)-1)] 1)):
            im.putpixel([i,j],255)
    return im

#清除第三种残余的孤立点
def Clear_Point_Third(im):
    Image_Value = Caculate_X(im)
    List01=[]
    List_Black=[]
    List03=[]
    for i in range(len(Image_Value)): #从左到右扫描
        if Image_Value[i] ==0 and len(List_Black) == 0 : #X轴投影是0，说明是空白列，黑色列的列表是空值，说明当前列是黑色列的左侧
            List01.append(i)
        elif  Image_Value[i] >0 : #X周投影大于0的列，即扫描到了黑色列
            List_Black.append(i)
        elif Image_Value[i] ==0 and len(List_Black)>0 and len(List_Black)<=3:# 黑色列的列表的长度大于0，不大于3个空白字符，现在的X轴投影为0，说明现在扫描到了孤立噪点所在的黑色列右侧的空白列
            List03.append(i)
            if len(List03)==3:#空白列为3列
                    im = Set_White_Y(im,List_Black) #逐次将多列设为全白
                    List01=[]
                    List_Black=[]
                    List03=[]
        elif Image_Value[i] ==0 and len(List_Black)>3: #当前是空白列，黑色列的数量大于3，说明扫描到了数字所在部分（不是噪点）的右侧空白列。
            List01=[]
            List_Black=[]
            List03=[]
            List01.append(i)
    return im