python爬虫 使用tesseract识别验证码

最近有个需求，需要处理验证码，以前的解决方案是接打码平台进行处理，但是一个好的爬虫不应该是0成本吗？于是，强迫自己花了一天的时间好好的研究了一下tesseract, 在此总结以下步骤

1. 获取灰度图

image = Image.open(image_path).convert('L')

2. 二值化图像

＃1.画直方图显示灰度值分布情况, 观察获取阀值 
w, h = image.size
gray_dict = defaultdict(int)
for x in range(w):
    for y in range(h):
        pixel = image.getpixel((x, y))
        gray_dict[pixel] += 1
plt.bar(list(gray_dict.keys()), list(gray_dict.values()))
plt.show()
#2.二值化
image.point(lambda x:0 if x < 阀值 else 255)
#image.point(lambda x:0 if x < 阀值 else 1, '1')

3. 去除干扰

遍历像素点，根据像素点周围的八个点的颜色值，判断是否为噪点，是噪点把它设置为白色，具体情况根据图像进行处理

4. 切割图片

如果图像中的字符紧挨着，会导致识别率很低，这种情况下最好先进行切割处理

5. 识别验证码

text