Python验证码识别图像二值化去除噪点（tesseract识别数字字母）

最新推荐文章于 2023-12-12 17:18:04 发布

走在下雨天的人

最新推荐文章于 2023-12-12 17:18:04 发布

阅读量6.1k

点赞数 1

分类专栏：爬虫

本文链接：https://blog.csdn.net/qq_42988748/article/details/102079691

版权

本文介绍了Python环境下使用tesseract库进行验证码识别的过程，包括开发环境的配置、图像的二值化处理和去除噪点，以及使用tesseract进行文字识别，最终得到识别结果。

摘要由CSDN通过智能技术生成

一、Python爬虫验证码识别

1、开发环境

tesseract
Python3 ：PIL pytesseract

关于环境搭建网上教程很多，环境变量配置好后，终端输入
tesseract -v
在这里插入图片描述
这就代表环境搭建成功

tesseract 123.jpg result -l eng
result 表示输出文档名
-l 表示选择的语言

2、原始数据数据

在这里插入图片描述

3、识别大概步骤

图像二值化
去除图像噪点
tesseract识别



from PIL import Image
import pytesseract

# 去除噪点
def clear_noise (img)  :  # img：图片地址
    white = (255 ,255 ,255 ,255)
    black = (0 ,0 ,0 ,255)
    # img = Image.open('/home/yang/png/0.png') # 读入图片
    pixdata = img.load()
    X = img.size[0 ] -  1  # 因为我校的验证码二值化后正好剩下一圈宽度为一像素的白边，所以这么处理了
    Y = img.size[1 ] -1

    def icolor(RGBA):
        if RGBA == white: return(1)
        else:
            return(0)

    for y in range(Y):
        for x in range(X):
            if (x<1 or y<1):
                pass
            else:
                if icolor(pixdata[x,y]) == 1:
                    pass
                else:
                    if (
                                                        icolor(pixdata[x+1,y])+
                                                        icolor(pixdata[x,y+1])+
                                                    icolor(pixdata[x-1,y])+
                                                icolor(pixdata[x,y-1])+
                                            icolor(pixdata[x-1,y-1])+
                                        icolor(pixdata[