PIL工具对验证码处理,pytesseract进行数字识别

环境搭建

这里需要使用到python,pillow,tesseract

代码讲解

调用process_recognize(img_path)函数,传入函数的路径,返回识别后的数字验证码

插入链接与图片

链接: 暂无.

处理前图片:

处理后图片:

代码展示

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

from PIL import Image
import pytesseract
import re


def process_recognize(img_path):
    """

    :param img_path:  传入图片的保存路径
    :return:
    """
    # 打开图片
    image = Image.open(img_path)
    # 转化为灰度图
    imgry = image.convert('L')
    # 将图片进行二值化处理
    table = get_bin_table()
    binary = imgry.point(table, '1')

    # 收集所有的噪点
    noise_point_list = collect_noise_point(binary)
    # # 对相应位置进行像素修改，将噪声处的像素置为1（白色)
    remove_noise_pixel(binary, noise_point_list)


    # 仅识别图片中的数字
    result = pytesseract.image_to_string(binary, config='digits')
    result = re.match(r'[0-9]+', result)
    info = result.group()
    return info


def sum_9_region_new(img, x, y):
    '''确定噪点 '''
    cur_pixel = img.getpixel((x, y))  # 当前像素点的值
    width = img.width
    height = img.height

    if cur_pixel == 1:  # 如果当前点为白色区域,则不统计邻域值
        return 0

    # 因当前图片的四周都有黑点，所以周围的黑点可以去除
    if y < 3:  # 本例中，前两行的黑点都可以去除
        return 1
    elif y > height - 3:  # 最下面两行
        return 1
    else:  # y不在边界
        if x < 3:  # 前两列
            return 1
        elif x == width - 1:  # 右边非顶点
            return 1
        else:  # 具备9领域条件的
            sum = img.getpixel((x - 1, y - 1)) \
                  + img.getpixel((x - 1, y)) \
                  + img.getpixel((x - 1, y + 1)) \
                  + img.getpixel((x, y - 1)) \
                  + cur_pixel \
                  + img.getpixel((x, y + 1)) \
                  + img.getpixel((x + 1, y - 1)) \
                  + img.getpixel((x + 1, y)) \
                  + img.getpixel((x + 1, y + 1))
            return 9 - sum


def collect_noise_point(img):
    '''收集所有的噪点'''
    noise_point_list = []
    for x in range(img.width):
        for y in range(img.height):
            res_9 = sum_9_region_new(img, x, y)
            if (0 < res_9 < 3) and img.getpixel((x, y)) == 0:  # 找到孤立点
                pos = (x, y)
                noise_point_list.append(pos)
    return noise_point_list


def remove_noise_pixel(img, noise_point_list):
    '''根据噪点的位置信息，消除二值图片的黑点噪声'''
    for item in noise_point_list:
        img.putpixel((item[0], item[1]), 1)


# 按照阈值进行二值化处理
# threshold: 像素阈值
def get_bin_table(threshold=182):
    """获取灰度转二值的映射table,0表示黑色,1表示白色"""
    table = []
    for i in range(256):
        if i < threshold:
            table.append(0)
        else:
            table.append(1)
    return table

注意

每个不同的验证码需要不同的图片处理方式,还有opencv专门处理图片的模块,在这里主要调整threshold: 像素阈值.