发布于 由肖俊

Python–pytesseract验证码识别处理实例

pytesser 调用了 tesseract，因此需要安装 tesseract，安装 tesseract 需要安装 leptonica，否则编译tesseract 的时候出现 “configure: error: leptonica not found”。

[cpp] view plain copy

  1. sudo apt-get install tesseract-ocr</span>  


之后利用pip安装pytesseract的包

[cpp] view plain copy

  1. sudo pip install pytesseract  


就可以使用了.

windows系统可以参考http://blog.csdn.net/evankaka/article/details/49533493这篇博客就OK了.

也可以参考https://www.quora.com/How-do-I-use-PyTesser-and-Tesseract-OCR-in-Ubuntu-with-Python

 

 

原理：

验证码图像处理

验证码图像识别技术主要是操作图片内的像素点,通过对图片的像素点进行一系列的操作,最后输出验证码图像内的每个字符的文本矩阵。

1、读取图片
2、图片降噪
3、图片切割
4、图像文本输出


（2）验证字符识别

验证码内的字符识别主要以机器学习的分类算法来完成,目前我所利用的字符识别的算法为KNN(K邻近算法)和SVM (支持向量机算法),后面我 会对这两个算法的适用场景进行详细描述。

1、获取字符矩阵
2、矩阵进入分类算法
3、输出结果

 

要验证的图片如下：

[python] view plain copy

  1. import pytesseract  
  2. import Image  
  3. image = Image.open(‘1.jpg’)   
  4. print pytesseract.image_to_string(image)   

结果如下

[python] view plain copy

  1. Python 2.7.9 (default, Apr  2 2015, 15:33:21)   
  2. [GCC 4.9.2] on linux2  
  3. Type “copyright”, “credits” or “license()” for more information.  
  4. ==== No Subprocess ====  
  5. >>>   
  6. 1201  
  7. >>>   

也可以使用复杂一点的,上面的只能对一些比较简单的做处理

原理：彩色转灰度，灰度转二值，二值图像识别

[python] view plain copy

  1. # 验证码识别，此程序只能识别数据验证码  
  2. import Image    
  3. import ImageEnhance    
  4. import ImageFilter    
  5. import sys    
  6. from pytesseract import *  
  7. # 二值化    
  8. threshold = 140    
  9. table = []    
  10. for i in range(256):    
  11.     if i < threshold:    
  12.         table.append(0)    
  13.     else:    
  14.         table.append(1)    
  15.     
  16. #由于都是数字    
  17. #对于识别成字母的 采用该表进行修正    
  18. rep={‘O’:‘0’,    
  19.     ‘I’:‘1’,‘L’:‘1’,    
  20.     ‘Z’:‘2’,    
  21.     ‘S’:‘8’    
  22.     };    
  23.     
  24. def  getverify1(name):          
  25.     #打开图片    
  26.     im = Image.open(name)    
  27.     #转化到灰度图  
  28.     imgry = im.convert(‘L’)  
  29.     #保存图像  
  30.     imgry.save(‘g’+name)    
  31.     #二值化，采用阈值分割法，threshold为分割点   
  32.     out = imgry.point(table,‘1’)    
  33.     out.save(‘b’+name)    
  34.     #识别    
  35.     text = image_to_string(out)    
  36.     #识别对吗    
  37.     text = text.strip()    
  38.     text = text.upper();      
  39.     for r in rep:    
  40.         text = text.replace(r,rep[r])     
  41.     #out.save(text+’.jpg’)    
  42.     print text    
  43.     return text    
  44. getverify1(‘1.jpg’)  #注意这里的图片要和此文件在同一个目录，要不就传绝对路径也行