验证码识别 python

import os
import pytesseract
from PIL import Image
from collections import defaultdict
os.chdir(‘D:/python37/Scripts’)
def OCR_Imj(img_path):
image=Image.open(img_path)#打开图片
imgry=image.convert(“L”)#转化成灰度图
#获取图片中的出现次数最多的像素，即为该图片的背景
max_pixel=get_threshold(imgry)
# 将图片进行二值化处理
table = get_bin_table(threshold=max_pixel)
out = imgry.point(table, ‘1’)
# 去掉图片中的噪声（孤立点）
out = cut_noise(out)
#保存图片
# out.save(“C:/Users/Administrator/Desktop/test.png)
# 识别图片中的数字和字母
text = pytesseract.image_to_string(out)
# 去掉识别结果中的特殊字符
exclude_char_list = ’ .:\|’”?![],()~@#$%^&*_±={};<>/¥’
text = ‘’.join([x for x in text if x not in exclude_char_list])
#print(text)

return text

去掉二值化处理后的图片中的噪声点

def cut_noise(image):
rows,cols =image.size
change_pos=[]# 记录噪声点位置
# 遍历图片中的每个点，除掉边缘
for i in range(1,rows-1):
for j in range(1,cols-1):
# pixel_set用来记录该店附近的黑色像素的数量
pixel_set = []
for m in range(i-1,i+2):
for n in range(j-1,j+2):
if image.getpixel((m,n)) !=1: # 1为白色,0位黑色
pixel_set.append(image.getpixel((m, n)))
# 如果该位置的九宫内的黑色数量小于等于4，则判断为噪声
if len(pixel_set) <= 4:
change_pos.append((i,j))
# 对相应位置进行像素修改，将噪声处的像素置为1（白色）
for pos in change_pos:
image.putpixel(pos, 1)

return image # 返回修改后的图片            			

def get_bin_table(threshold):
table=[]
for i in range(256):
rate=0.1 # 在threshold的适当范围内进行处理
if threshold*(1-rate)<= i <= threshold*(1+rate):
table.append(1)
else:
table.append(0)
return table

def get_threshold(image):
pixel_dict=defaultdict(int)
rows,cols=image.size
for i in range(rows):
for j in range(cols):
pixel = image.getpixel((i, j))
pixel_dict[pixel] += 1

count_max = max(pixel_dict.values()) # 获取像素出现出多的次数
pixel_dict_reverse={v:k for k,v in pixel_dict.items()}
threshold = pixel_dict_reverse[count_max] # 获取出现次数最多的像素点
return threshold	

def main():
dir=‘D:/python37/Scripts/’
for file in os.listdir(dir):#列出文件夹下所有的文件
if file.endswith(’.png’):#提取后缀为。png的文件
#print(file)
image_path="%s%s"%(dir,file)
#print(image_path)
recognizition=OCR_Imj(image_path) # 图片识别的文字结果
print(recognizition)
main()