**为了识别像下面这种简单的验证码,下面有一个完整的解决流程
**
解决方案,具体技术如下:
1,对验证码图像进行处理
2,使用orc识别图片
下面我们进行详细的说明
1,对验证码图像进行处理
为啥要处理图像?这是因为这个验证码有很多干扰线条,你看这个上面的图,它的背景有很多的线条和斑点
而我们想要的只是黑色的文字主体
下面我们就开始去掉他们。
这里我们使用python的opencv对图片进行处理
(1)先把图片变成黑白(也就是灰度图)然后再将其模糊话(也就是高斯模糊)就变成下面的样子了
是不是看起来没啥,干扰还在,看着头晕晕的,别着急,其实这时候,你会发现4nvu很显眼了。下面还有一步处理。
(2)对图像进行阈值处理,然后就得到了下面的图
我靠!!!!干扰线条绝户啦
好了,现在我们就可以使用这个图进行ocr了,这里补充一下上面图像处理的代码
import cv2
def denoise_image(image_path):
# 读取图像
image = cv2.imread(image_path)
# 将彩色图像转换为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 使用高斯模糊降噪
blurred_image = cv2.GaussianBlur(gray_image, (5, 5), 0)
# 将降噪后的图像覆盖原始图像
cv2.imwrite(image_path, blurred_image)
def threshold_image(image_path, threshold_value):
# 读取图像
image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
# 对图像进行阈值处理
ret, thresholded_image = cv2.threshold(image, threshold_value, 255, cv2.THRESH_BINARY)
# 将阈值处理后的图像覆盖原始图像
cv2.imwrite(image_path, thresholded_image)
# 测试方法
image_path = '1.jpeg' # 替换为您的图片路径
threshold_value = 120 # 阈值
denoise_image(image_path)
threshold_image(image_path, threshold_value)
2,使用ocr识别图片
好了,现在已经有了一个清晰的图了,接下来就是ocr了,我本来是想使用别人的接口进行识别的,奈何大家都不太愿意被白嫖,用一用就收费了,没办法,我就自己找模型识别吧
我使用的是 Paddle OCR 模型进行识别,这个模型很小,用cpu跑的,只有十几兆。
具体操作流程如下:
(1)安装paddle
pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
(2)安装paddlehub
pip install paddlehub -i https://mirror.baidu.com/pypi/simple
(3)安装ocr模型
hub install ch_pp-ocrv3==1.2.0
(4)运行我的脚本
import paddlehub as hub
import cv2
ocr = hub.Module(name="ch_pp-ocrv3", enable_mkldnn=True) # mkldnn加速仅在CPU下有效
result = ocr.recognize_text(images=[cv2.imread('1.jpeg')])
print(result[0]["data"][0]["text"])
最后打印出来的结果如下图
这个里有空格,所以,直接去一下空格,对脚本改进一下
import paddlehub as hub
import cv2
ocr = hub.Module(name="ch_pp-ocrv3", enable_mkldnn=True) # mkldnn加速仅在CPU下有效
result = ocr.recognize_text(images=[cv2.imread('1.jpeg')])
print(result[0]["data"][0]["text"].replace(" ",""))
得到结果
这就是完整的解决流程
当然实际使用的时候哦,我们可能是直接读取图片文件,然后直接识别的,所以我写了一个demo,可以参考使用
import paddlehub as hub
import cv2
from PIL import Image
from io import BytesIO
import base64
def denoise_image(image_path):
# 读取图像
image = cv2.imread(image_path)
# 将彩色图像转换为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)