网站爬虫验证码识别之验证码去噪点算法，去干扰项算法。

在抓取网站过程中难免碰到图片验证码的问题，要想识别验证码，可以采取机器学习的相关算法，如svm，knn，卷积神经网络等来识别破解验证码，今天我来分享一个能极大提高验证码识别率的操作，去除验证码中的噪点。

下面是去噪前和去噪后的效果对比图

  ---------->

代码如下

# -*- coding: utf-8 -*-
from PIL import Image
import numpy as np
def clearNoise(data):
    height=data.shape[0]
    width=data.shape[1]
    for i in range(height):
        for j in range(width):
            if i==0 or i== height-1 or j==0 or j== width-1:
                data [i][j]=255
                continue
            if data[i][j]==0:
                num=0
                for da in data[i-1:i+2,j-1:j+2]:
                    if da[0]>0 :
                        num+=1
                    if da[1]>0 :
                        num+=1
                    if da[2]>0 :
                        num+=1
                if num>4:
                    data[i][j]=255
def processImg(inputfile,outputfile):
    image = Image.open(inputfile)
    img=image.convert("L")
    data=img.getdata()
    da=np.array(data,np.int32)
    da[da<=170]=0
    da[da>170]=255
    da=da.reshape((60,180))#图片原始尺寸为(60,180)
    clearNoise(da)
    clearNoise(da)
    clearNoise(da)
    img1=Image.fromarray(da)
    img1=img1.convert('RGB')
    img1.save(outputfile)
if __name__ == '__main__':
    processImg('test.png')

以上属于本人的个人见解，如有错误和不足之处欢迎大家吐槽交流