验证码识别

验证码识别（分类问题）

• 首先利用PIL中的画布、画笔等工具制作出验证码图片

  • 获取随机RGB格式的颜色值 （xxx,xxx,xxx）
  • 获取验证码数字，该数字需要存储为label，该逻辑回归为有监督的学习
  • 使用Image创建画布、ImageDraw创建画笔

  note： 其中可以使用ImageFont实例化字体对象，但是需要将字体文件存储到虚拟环境的Script文件夹中

  • 在绘制验证码时需要绘制噪点和斜线，来模拟生产环境中的验证码识别

• 验证码识别步骤

  • 首先将RGB图片转化为灰度图，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度

  • 再将灰度图转化为二值图（返回的是一个数组，即每一个像素块的值）

  def binarization(path):
      image = Image.open(path)
      img_gray = image.convert('L')
      # 转化为数组形式
      img_gray = np.array(img_gray)
      height, width = img_gray.shape
      for x in range(width):
          for y in range(height):
              if img_gray[y, x] <= 220:
                  img_gray[y, x] = 0
              else:
                  img_gray[y, x] = 1
      # plt.imshow(img_gray, cmap='gray')
      # plt.show()
      return img_gray
  

  • 对二值图进行降噪处理（主要是对周围点的判断，周围点很少则判断其为异常点，消除为白色）

  # 降噪处理
  def noiseReduction(img_gray, label):
      height, width = img_gray.shape
  
      for x in range(width):
          for y in range(height):
              # 该像素点旁边的黑点个数
              black_point = 0
              if img_gray[y, x] == 1:
                  continue
              else:
                  try:
                      if img_gray[y, x + 1] == 0:
                          black_point += 1