[Python][爬蟲]利用OCR技術識別圖形驗證碼

標籤：代碼   tab   github   轉換   部分   else   window   變數   print   

ocr圖片識別通常可以利用tesserocr模組，將圖片中內容識別出來並轉換為text並輸出

Tesserocr是python的一個OCR識別庫，是對tesseract做的一層python APT封裝。在安裝Tesserocr前，需要先安裝tesseract

tessrtact檔案：

https://digi.bib.uni-mannheim.de/tesseract/

python安裝tessocr: 下載對應的.whl檔案安裝（這個包pip方式容易出錯）

tesseract 與對應的tesserocr:

https://github.com/simonflueckiger/tesserocr-windows_build/releases

 

實現代碼如下：

from PIL import Image

import tesserocr

 

#tesserocr識別圖片的2種方法 

img = Image.open("code.jpg")

verify_code1 = tesserocr.image_to_text(img)

#print(verify_code1)

 

verify_code2 = tesserocr.file_to_text("code.jpg")

#print(verify_code2)

 

但是，當圖片中幹擾部分較多，如驗證碼內多餘的線條幹擾圖片的識別，識別後的內容不是很準確，就需要做一下處理，如轉灰階，二值化操作。

可以利用Image對象的convert()方法，傳入“L”，將圖片轉為灰階映像；傳入1則對映像進行二值處理（預設閾值127）

原驗證碼：

img = Image.open("code.jpg")

img_L = img.convert("L")

img_L.show()

也可以自己設定閾值

threshold = 100   #設定二值的閾值100

table = []

for i in range(256):

    if i < threshold:

        table.append(0)

    else:

        table.append(1)

 

#point()返回給定尋找表對應的映像像素值的拷貝，變數table為映像的每個通道設定256個值，為輸出映像指定一個新的模式，模式為“L”和“P”的映像進一步轉換為模式為“1”的映像

image = img_L.point(table, "1")

image.show()

img_1 = tesserocr.image_to_text(image)

print(img_1)

>>5SA6

 

[Python][爬蟲]利用OCR技術識別圖形驗證碼