python实现验证码识别软件_Python 代码实现验证码识别，很稳

作者：叶庭云

源自：快学python

昨天十行代码实现文字识别，感觉怎样，是不是很爽

今天咋们继续利用pillow和pytesseract来实现验证码的识别

一、环境配置需要 pillow 和 pytesseract 这两个库，pip install 安装就好了。pip install pillow -i http://pypi.douban.com/simple --trusted-host pypi.douban.compip install pytesseract -i http://pypi.douban.com/simple --trusted-host pypi.douban.com安装好Tesseract-OCR.exe

pytesseract 库的配置：搜索找到pytesseract.py，打开该.py文件，找到 tesseract_cmd，改变它的值为刚才安装 tesseract.exe 的路径。

二、验证码识别

识别验证码，需要先对图像进行预处理，去除会影响识别准确度的线条或噪点，提高识别准确度。

实例1import cv2 as cvimport pytesseractfrom PIL import Imagedef recognize_text(image):    # 边缘保留滤波  去噪    dst = cv.pyrMeanShiftFiltering(image, sp=10, sr=150)    # 灰度图像    gray = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)    # 二值化    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)    # 形态学操作   腐蚀  膨胀    erode = cv.erode(binary, None, iterations=2)    dilate = cv.dilate(erode, None, iterations=1)    cv.imshow("dilate", dilate)    # 逻辑运算  让背景为白色  字体为黑  便于识别    cv.bitwise_not(dilate, dilate)    cv.imshow("binary-image", dilate)    # 识别    test_message = Image.fromarray(dilate)    text = pytesseract.image_to_string(test_message)    print(f"识别结果：{text}")src = cv.imread(r"./test/044.png")cv.imshow("input image", src)recognize_text(src)cv.waitKey(0)cv.destroyAllWindows()

运行效果如下：识别结果：3n3DProcess finished with exit code 0

实例2import cv2 as cvimport pytesseractfrom PIL import Imagedef recognize_text(image):    # 边缘保留滤波  去噪    blur =cv.pyrMeanShiftFiltering(image, sp=8, sr=60)    cv.imshow("dst", blur)    # 灰度图像    gray = cv.cvtColor(blur, cv.COLOR_BGR2GRAY)    # 二值化    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)    print(f"二值化自适应阈值：{ret}")    cv.imshow("binary", binary)    # 形态学操作  获取结构元素  开操作    kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 2))    bin1 = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel)    cv.imshow("bin1", bin1)    kernel = cv.getStructuringElement(cv.MORPH_OPEN, (2, 3))    bin2 = cv.morphologyEx(bin1, cv.MORPH_OPEN, kernel)    cv.imshow("bin2", bin2)    # 逻辑运算  让背景为白色  字体为黑  便于识别    cv.bitwise_not(bin2, bin2)    cv.imshow("binary-image", bin2)    # 识别    test_message = Image.fromarray(bin2)    text = pytesseract.image_to_string(test_message)    print(f"识别结果：{text}")src = cv.imread(r"./test/045.png")cv.imshow("input image", src)recognize_text(src)cv.waitKey(0)cv.destroyAllWindows()

运行效果如下：二值化自适应阈值：181.0识别结果：8A62N1Process finished with exit code 0

实例3import cv2 as cvimport pytesseractfrom PIL import Imagedef recognize_text(image):    # 边缘保留滤波  去噪    blur = cv.pyrMeanShiftFiltering(image, sp=8, sr=60)    cv.imshow("dst", blur)    # 灰度图像    gray = cv.cvtColor(blur, cv.COLOR_BGR2GRAY)    # 二值化  设置阈值  自适应阈值的话 黄色的4会提取不出来    ret, binary = cv.threshold(gray, 185, 255, cv.THRESH_BINARY_INV)    print(f"二值化设置的阈值：{ret}")    cv.imshow("binary", binary)    # 逻辑运算  让背景为白色  字体为黑  便于识别    cv.bitwise_not(binary, binary)    cv.imshow("bg_image", binary)    # 识别    test_message = Image.fromarray(binary)    text = pytesseract.image_to_string(test_message)    print(f"识别结果：{text}")src = cv.imread(r"./test/045.jpg")cv.imshow("input image", src)recognize_text(src)cv.waitKey(0)cv.destroyAllWindows()

运行效果如下：二值化设置的阈值：185.0识别结果：7364Process finished with exit code 0

结语

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对小编的支持。