Python–pytesseract验证码识别处理实例

首先给大家推荐一下我老师大神的人工智能教学网站。教学不仅零基础,通俗易懂,而且非常风趣幽默,还时不时有内涵黄段子!点这里可以跳转到网站

(linux-ubuntu系统)

安装过程

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”。

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

之后利用pip安装pytesseract的包

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:

import pytesseractimport Imageimage = Image.open('1.jpg') print pytesseract.image_to_string(image) 

结果如下

Python 2.7.9 (default, Apr  2 2015, 15:33:21) [GCC 4.9.2] on linux2Type "copyright", "credits" or "license()" for more information.==== No Subprocess ====>>> 1201>>> 

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

# 验证码识别,此程序只能识别数据验证码import Image  import ImageEnhance  import ImageFilter  import sys  from pytesseract import *# 二值化  threshold = 140  table = []  for i in range(256):      if i < threshold:          table.append(0)      else:          table.append(1)    #由于都是数字  #对于识别成字母的 采用该表进行修正  rep={'O':'0',      'I':'1','L':'1',      'Z':'2',      'S':'8'      };    def  getverify1(name):            #打开图片      im = Image.open(name)      #转化到灰度图    imgry = im.convert('L')    #保存图像    imgry.save('g'+name)      #二值化,采用阈值分割法,threshold为分割点     out = imgry.point(table,'1')      out.save('b'+name)      #识别      text = image_to_string(out)      #识别对吗      text = text.strip()      text = text.upper();        for r in rep:          text = text.replace(r,rep[r])       #out.save(text+'.jpg')      print text      return text  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  

点这里可以跳转到人工智能网站

发表评论