图形验证码的识别

准备工作

识别图形验证码需要库tesserocr。

识别测试

用tesserocr库识别该验证码,代码如下所示:

import tesserocr
from PIL import Image

image = Image.open("code.jpg")
result = tesserocr.image_to_text(image)
print(result)

在这里我们新建了一个Image对象,调用了tesserocr的image_to_text()方法。传入该Image对象即可完成识别。

另外,tesserocr还有一个更加简单的方法,这个方法可以直接将图片文件转化为字符串,代码如下:

import tesserocr
print(tesserocr.file_to_text('image.png'))

假如识别和实际结果有偏差,这是因为验证码内多余线条干扰了图片的识别
对于这种情况我们还需要做一些额外的处理,如转灰度、二值化等操作
我们可以利用Image对象的convert()方法传入参数L,即可将图片转化为灰度图像,代码如下:

image = image.convert('L')
image.show()

传入1即可将图片进行二值化处理,如下所示:

image = image.convert('1')
image.show()

我们还可以指定二值化的阈值。上面的方法采用的默认值为127,不过我们不能直接转化原图,要将原图西安转为灰度图像,然后再指定二值化的阈值,代码如下:

import tesserocr
from PIL import Image

image = Image.open('code2.jpg')

image = image.convert('L')
threshold = 127
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)

image = image.point(table, '1')
image.show()

result = tesserocr.image_to_text(image)
print(result)

在这里threshold带包二值化阈值。
所以,针对一些有干扰的图片,我们做一些灰度和二值化处理,这会提高图片识别的正确率

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值