(一)python爬虫验证码识别（去除干扰线）

（一）python爬虫验证码识别（去除干扰线）

1.开发环境与工具

• python27：sklearn、pytesser、opencv等
• pycharm
• windows7

---

2. 数据集

用request库爬虫抓取某一网站验证码1200张，并做好标注

3.验证码识别大概步骤

• 转化成灰度图
• 去背景噪声
• 图片分割

(1)转化成灰度图

im = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

(2)去除背景噪声

验证码去除干扰线的思想可参考链接：验证码去除干扰线
本文所使用的去除背景噪声的方法：
     认真观察我们的实验数据，发现根据线降噪方法来去除噪声是不可行的，因为我们的图片干扰线很粗，和数字差不多粗。那再认真观察一下，1个数字的颜色都是一个‘“色”，那么是否可以跟据颜色来分呢？
     博主认真想了下，先转化成灰度图，再通过图像分割把图片分割一下，去除掉边框和部分噪声，这样就分成了4张图，然后统计每张图的灰度直方图（自己设置bins），找到第二大所对应的像素范围，即某一像素范围内像素数第二多所对应的像素范围（像素最多的应该是白色，空白处），取像素范围中位数mode，然后保留（mode±bi