python简单验证码识别

本文是使用PIL+pytesseract识别简单验证码，目的是要识别红色字体，思路如下：

• 下载源验证码图片，来源http://www.bhi.com.cn/Public/Isvalid.ashx
  
• 去除非红色干扰像素
  
• 将图片转换为灰度图，二值化，去除孤立噪点
  
• 通过pytesseract识别出结果

话不多说，直接上代码

#! -*- encoding:utf-8 -*-
"""
# author: ****
# date  : 2018.7.10
# desc  : 图片验证码识别
"""
import requests
from PIL import Image
import pytesseract
import os

img_type = ".png"  # 验证码图片类型
default_name = "verifying_code" + img_type  # 默认验证码名称
default_out_name = "test_" + "verifying_code" + img_type  # 默认处理干扰像素后的验证码名称
fp = "image/"  # 默认验证码图片路径


# 下载验证码
def downloads_pic(pic_name=default_name):
    url = 'http://www.bhi.com.cn/Public/Isvalid.ashx'
    res = requests.get(url, stream=True)
    with open("image/" + pic_name, 'wb') as f:
        for chunk in res.iter_content(chunk_size=1024):
            if chunk:  # filter out keep-alive new chunks
                f.write(chunk)
                f.flush()
        f.close()


# 二值化的图片识别，返回字符串
def img_to_str(image_name=default_out_name):
    """
    二值化的图片识别，返回字符串
    :param image_name: 图片名称
    :return: 验证码字符串
    """
    bname = fp + 'b' + image_name  # + img_type
    # 识别
    pytesseract.pytesseract.tesseract_cmd = 'D:\\Program Files\\Tesseract-OCR\\tesseract.exe'
    tessdata_dir_config = '--tessdata-dir "D:\\Program Files\\Tesseract-OCR\\tessdata"'
    text = pytesseract.image_to_string(Image.open(bname), config=tessdata_dir_config)
    r_text &