验证码(CAPTCHA)是“Completely Automated Public Turing test to tell Computers and Humans Apart”(全自动区分计算机和人类的图灵测试)的缩写。
是一种用来区分用户是计算机还是人的公共全自动程序
作用
认证码是一种人机识别手段,最终目的是区分正常用户和机器的操作。
可以防止:恶意破解密码、注册、刷票、论坛灌水,防止黑客对用户的密码进行暴力破解。
一般是提出一个问题,这个问题可以由计算机生成并评判,但是必须只有人类才能解答。由于计算机无法解答这个的问题,所以回答出问题的用户就可以被认为是人类。
类别
图形验证码:
这类验证码大多是计算机随机产生一个字符串,在把字符串增加噪点、干扰线、变形、重叠、不同颜色、扭曲组成一张图片来增加识别难度。
滑动验证码:
也叫行为验证码,比较流行的一种验证码,通过用户的操作行为来完成验证,其中最出名的就是极验。
滑动验证码的原理就是使用机器学习中的深度学习技术,根据一些特征来区分是否为正常用户。通过记录用户的滑动速度,还有每一小段时间的瞬时速度,用户鼠标点击情况,以及滑动后的匹配程度来识别。而且,不是说滑动到正确位置就是验证通过,而是根据特征识别来区分是否为真用户,滑到正确位置只是一个必要条件。
点触验证码:
点击类验证码都是给出一张包含文字的图片,通过文字提醒用户点击图中相同字的位置进行验证。
Pillow库
PIL库
PIL (Python Image Library) 已经算是 Python 处理图片的标准库了,兼具强大的功能和简洁的 API.
但是PIL库的更新非常缓慢, 并且它只支持到python2.7,不支python3
Pillow库
由于PIL库更新太慢了,于是一群志愿者在PIL库的基础上创建的分支版本,命名为Pillow.
Pillow目前最新支持到python3.6,它的维护和开发十分活跃,兼容PIL库的绝大多数语法,并且增加了许多新的特性,推荐直接使用Pillow
Pillow库安装
安装:pip install pillow
PIL与Pillow使用注意
Pillow和PIL不能共存在一个环境中,如果你之前安装了PIL的话,需要删除掉才能在安装Pillow
由于是继承自PIL的分支, 所以Pillow库的导入是这样的
Import PIL
图形基本概念
因为要处理的是图形,所以需要了解一下基本概念
尺寸
图片尺寸(size)指的是图片的宽度和高度
通过size属性可以获取图片的尺寸,它的返回值是一个元组,
元组里面有两个值,分别是水平和垂直方向上的像素个数
坐标系统
笛卡尔像素坐标系
x轴从左到右,y轴从上到下增长
图像矩形区域的表示(左,顶,右,底);800*600像素表示(0,0,800,600)
通道
图片均是由一个或者多个数据通道构成
RGB图像,每张图片都是由三个数据通道叠加构成,分别为R 、G 、B
PNG图像有RGBA四个通道,A代表透明度
对于灰度图像(没有色彩的图片, RGB色彩分量全部相等),只有一个通道。
灰度指的是黑白图像中点的颜色深度,范围一般是0到255, 白色为255,黑色为0
图像获取
- 从文件中加载图像
picture=Image.open("test.png")
- 创建一个新的图像
这里的最后一个参数可以用ImageColor里面的colormap来获得更多初始化的颜色
picture=Image.new("RGB",(200,100),"red")
- 处理其他的图像获得
im=picture.crop((116,168,658,798))
获取图像通道
im.getbands()
("R","G","B")
简单验证码处理
灰度化
灰度图像上每个像素的颜色值又称为灰度,指黑白图像中点的颜色深度,范围一般从0到255,白色为255,黑色为0。所谓灰度值是指色彩的浓淡程度,灰度直方图是指一幅数字图像中,对应每一个灰度值统计出具有该灰度值的象素数。
灰度就是没有色彩,RGB色彩分量全部相等。如果是一个二值灰度图象,它的象素值只能为0或1,我们说它的灰度级为2。用个例子来说明吧:一个256级灰度的图象,如果RGB三个量相同时,如:RGB(100,100,100)就代表灰度为100,RGB(50,50,50)代表灰度为50。
现在大部分的彩色图像都是采用RGB颜色模式,处理图像的时候,要分别对RGB三种分量进行处理,实际上RGB并不能反映图像的形态特征,只是从光学的原理上进行颜色的调配。
图像灰度化处理可以作为图像处理的预处理步骤,为之后的图像分割、图像识别和图像分析等上层操作做准备。
目的:为二值化做准备
彩色变黑白,三通道变成一个通道
图片的灰度化,就是让像素点矩阵中的每一个像素点满足 R=G=B,此时这个值叫做灰度值,白色为255,黑色为0
灰度转化一般公式为:
R=G=B = 处理前的 RX0.3 + GX0.59 + B*0.11
这种灰度转化方法被称为加权平均法。
根据重要性及其它指标,将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高,对蓝色敏感最低,因此,对RGB三分量进行加权平均能得到较合理的灰度图像。除了这种灰度转化方法另外还有两种方法,大家稍作了解
最大值法
将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。
平均值法
将彩色图像中的三分量亮度求平均得到一个灰度值。
二值化
图像的二值化,就是将图像的像素点矩阵中的每个像素点的灰度值设置为0(黑色)