算数验证码识别（运算符为中文：加、减、乘）

工作中遇到的需要破解算数验证码的情况

如图：

刚开始 想到的是 切割识别，但是，识别成功率太低了，就放弃了。

然后看到了一篇知乎文章，原文链接：python爬虫验证码识别 （手把手教会你验证码识别）opencv图像处理 图片处理 验证码处理 降噪 简单易懂验证码处理 - 知乎

 借鉴了里面的方法。

我遇到的验证码都是来自此处：https://cmegsb.cma.org.cn/national_project/CheckCodeImageServlet

 第一步：先批量下载图片保存至本地文件夹

def getImg():
    i = 0
    while i < 10:
        html = requests.get('https://cmegsb.cma.org.cn/national_project/CheckCodeImageServlet', verify=False)
        image = Image.open(BytesIO(html.content))
        image.save('img_test/%s.jpg' % i)
        i += 1
        print(i)

第二步：先安装  pip install muggle_ocr  可能会提示下载失败，

可以：pip install  -i https://pypi.douban.com/simple/ muggle_ocr（参考：pip install muggle_ocr 失败，解决办法_lsf_007的博客-CSDN博客）

def begin():
    # 图片链接路径
    path = r"D:\img_test"
    import muggle_ocr
    sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)
    threshold_values = [115, 150, 127, 90, 120, 130, 135, 145, 155, 160, 180]
    for threshold in threshold_values:
        total = len(os.listdir(path))
        errorCount = 0
        for index, i in enumerate(os.listdir(path)):
            right_str = i.split("_")[0]
            print('%s / %s' % (index + 1, total), i + "->" + right_str)
            yzm = cv2.imread(path + '\\' + i)  # 读图片
            yzm = cv2.cvtColor(yzm, cv2.COLOR_BGR2GRAY)  # cv2 方法灰度化
            # 二值化
            thresh, yzm = cv2.threshold(yzm, threshold, 255, cv2.THRESH_BINARY)
            # yzm:表示需要操作的数组
            # threshold:表示阈值 （根据验证码图片特性 可选值：90、115、120、127、130、135、150、155、160、180）、常用【115、150、127】--- 这些都是我一个一个的测试出来的
            # 255 表示最大值
            # 降噪
            yzm = cv2.morphologyEx(yzm, cv2.MORPH_CLOSE, np.ones(shape=(1, 1)))
            # 保存灰度化的图片
            cv2.imwrite('new_img.png', yzm)
            img = open('new_img.png', 'rb').read()
            text = sdk.predict(image_bytes=img)
            if ('乘' in text or '减' in text or '加' in text) and (str(text).replace(' ', '').endswith('=?')):
                # 判断是否为 正常值
                b = text.replace('=', '').replace('?', '')
                a = b.split('乘') if '乘' in text else b.split('加') if '加' in text else b.split('减')
                a1 = a[0]
                a2 = a[1]
                try:
                    a1 = int(a1)
                    a2 = int(a2)
                    print('%s / %s' % (index + 1, total), threshold, ' 正常code: ', text)
                    print(a1, a2, type(a1), type(a2))
                    _id = hashlib.md5(str(datetime.datetime.now()).encode('utf-8')).hexdigest()
                    try:
                        # 用 a、b 代替 =、?
                        new_path = './img_save/%s_%s.png' % (text.replace('?', 'b').replace('=', 'a'), _id)
                        os.rename(path + '\\' + i, new_path)
                        try:
                            os.remove(path + '\\' + i)
                        except:
                            pass
                    except Exception as e:
                        errorCount += 1
                except:
                    errorCount += 1
            else:
                errorCount += 1
        print('运行结束：threshold: %s  共 %s 个, 成功：%s ， 失败：%s' % (threshold, total, total - errorCount, errorCount))

用 muggle_ocr 去识别（识别率 55%左右，比较低），

所以，我就用此识别，筛选出有效的 验证码，然后打标记，作为训练集。

最后，强烈推荐一款开源的训练框架： https://github.com/kerlomz/captcha_trainer

用此训练过之后，识别率达到了 95%以上。

识别效果：