python 破解验证码之二：OCR tesseract识别验证码

@TOC

OCR tesseract识别验证码

首先，自动生成验证码的code在破解验证码1，如果想要自动生成不想自己一点点保存图片的可以去看

然后是正题，pip3 install tesserocr之前先要安装一个tesseract，这一方面可以百度，但是要小心很多的坑，pip的时候最好有一个镜像，tesserocr你直接在pycharm里安装是进行不下去的，安装了tesseract之后去下载whl文件手动pip blabla，安装部分就不再赘述

tesserocr识别验证码

import tesserocr
from PIL import Image

pil安装的时候要pip pillow ，好了之后就叫pil，直接装好像要出问题，直接安装的pil好像是面向2.7的
然后

captcha = Image.open('路径\\1.png')
# 这个show是让你提前看一下这个图片，是后面灰化二值化的结果，要
#提前看一下，很有可能阈值调太高了就看不着字了
captcha.show()
result = tesserocr.image_to_text(captcha)
print(result)

就这样就好了，是不是很简单！
当然是不可能的，只做这样的处理只有那种简单的不能再简单的字又大又齐没有扭曲噪点噪线背景颜色字体颜色的才能识别出来，不然你遇到的总是

Estimating resolution as 628
Empty page!!

然后是对图片进行灰度处理和二值化

# 图片转灰度处理
    captcha = captcha.convert('L')
    # # 阈值 控制二值化程度，不能超过256
    threshold = 200
    table = []
    for i in range(256):
        if i < threshold:
            table.append(0)
        else:
            table.append(1)
    # 图片二值化，convert('1')
    captcha = captcha.point(table, '1')

调整threshold的值可以使颜色更深或者更浅，不调整的话你就知道经常性的换了一个背景颜色调出来就什么都看不着了。

当然，即使这样子，识别验证码的几率也是少的可怜的可怜，对加了噪点噪线的基本就验证不出来，所以接下来就要学习一下如何训练数据了，不适用官方的eng而是自己训练数据来增加验证码识别的成功率。

新写的自己训练tesseract的blog已经出啦，在个人主页里看哦！