python驗證碼識別的執行個體詳解_python

其實關於驗證碼識別涉及很多方面的內容，入手難度大，但是入手後，可拓展性又非常廣泛，可玩性極強，成就感也很足，對這感興趣的朋友們下面跟著小編一起來學習學習吧。

依賴

sudo apt-get install python-imagingsudo apt-get install tesseract-ocrpip install pytesseract

利用google ocr來識別驗證碼

from PIL import Imageimport pytesseractimage = Image.open('v1.jpg')vcode = pytesseract.image_to_string(image)print vcode

但是pytesseract本身識別率不高，而且一般網站的驗證碼都帶有大量幹擾元素。(￣▽￣)"

所以我們首先要對驗證碼進行去噪。

對於單像素幹擾線、幹擾點我們可以通過掃描整個映像，考察每一個像素點所臨近的八個像素點的顏色，如果不同的個數大於一定的值，那就說明該點是離散點，需要去除。

另外也可以嘗試設定閾值來直接將驗證碼二值化。

下面是兩張學校網站上的驗證碼

我們可以看到驗證碼存在單像素幹擾點，所以我們需要設法去除。但是經過反覆重新整理驗證碼，發現這個驗證碼

     1. 只有加法運算

     2.至多兩位元的加法

     3.文字部分一定是紅色(255,0,0)

有了上述的資訊，可以判斷這個驗證碼的產生演算法是有缺陷的

import Image from numpy import * import pytesseract im = Image.open('1.png') im = im.convert('RGB') #拉長映像，方便識別。im = im.resize((200,80)) a = array(im) for i in xrange(len(a)): for j in xrange(len(a[i])):   if a[i][j][0] == 255:     a[i][j]=[0,0,0]   else:     a[i][j]=[255,255,255] im = Image.fromarray(a) im.show() vcode = pytesseract.image_to_string(im) print vcode 

利用上述指令碼我們可以將映像進行二值化，利用google ocr進行識別。再通過eval()來對錶達式進行求值。

總結

python驗證碼識別的內容到這就基本介紹了，希望這篇文章對大家的學習或者工作能有所協助，如果有疑問大家可以留言交流。