使用python识别验证码

　　公司的登录注册等操作有验证码，测试环境可以让开发屏蔽掉验证码，但是如果到线上的话就要想办法识别验证码或必过验证码了。

　　识别验证码主要分为三部分，一、对验证码进行二值化。二、将二值化后的图片分割。三、进行识别。理论上在识别之前有一个标准化的操作，是将图片进行旋转等操作，尽量将字符弄成一样的格式，方便识别，避免随进图片的差异。

　　用这个验证码作为例子：。下面是代码：

　　一、打开图片，将图片二值化。

　　图片是由RGB三个通道组成的，图片的验证码和他的干扰，比如点或横线等，RGB的阙值有很大的区别，我们可以使用PS工具查看，选取一个大概的临界点，在代码中进行判断，判断属于验证码部分的阙值，赋值为(255,255,255,255)黑色。如果不是在这个阙值范围内的赋值为(0,0,0,255)白色。从而将噪点去掉。

#coding=utf-8
from PIL import Image
from operator import itemgetter
import os
img=Image.open('code.jpg')
print img.format,img.size,img.mode
img=img.convert("RGBA")
pixdata=img.load()
for y in xrange(img.size[1]):
for x in xrange(img.size[0]):
if pixdata[x,y][0]<140 or pixdata[x,y][1]<140 or pixdata[x,y][2]<140:
pixdata[x,y]=(0,0,0,255)
else:
pixdata[x,y]=(255,255,255,255)

说明：对像素pixdata[x,y]的阙值判断，前文中说明过[0],[1],[2]分别代表了RGB，140是用PS看出来的，验证码位置的像素，RGB都比较低，而噪点的RGB值比较高。可以适当的调一下。

下图是取验证码一点的像素点：

下面是噪点的RGB：

二、将二值化后的图片进行分割，分割成独立字符

#存为字库
j = 1
for i in range(4):
x = 0 + i*13
y = 6
img.crop((x, y, x+13, y+18)).save("%d.jpg" % j)
j += 1

分割后的结果如下图：

说明：验证码图片的大小是固定的，一个验证码4个字符，将他分成等大小的四个图片，13为一个字符所占的宽度，18为一个字符所占的高度，但是这样截出来的图片不是很精确。

三、识别验证码，这步也是最关键的。

#识别
fontMods = []#fontMods，图片库，文件名，带后缀
mode=[]#mode，图片库，去掉后缀的文件名
font=[]#font，分割后的四个图片
s=os.sep
root="C:\Users\min.sun\Desktop"+s+"num"+s#文件路径，s区分在linux或windows系统下的分割符"/"或"\"
sname=os.listdir("C:\Users\min.sun\Desktop/num")#获取文件夹下文件或文件夹的名称，带后缀
#fname,存储文件名区分名和后缀的元组，例(5，jpg)。mode存储文件名，不带后缀
#分割文件名和后缀名

#遍历文件，将库中的文件名存入

for rt, dirs, files in os.walk(root):
for f in files:
fname = os.path.splitext(f)
mode.append(fname[0])

for i in range(0,4):
fontMods.append(Image.open(root+s+sname[i]))
result=[]
for i in range(1,5):
font.append(Image.open("%d.jpg" % i))
for i in font:
points ={}
d=0
for mod in fontMods:
diffs = 0
for yi in range(18):
for xi in range(13):
if i.getpixel((xi, yi))!=mod.getpixel((xi, yi)):
diffs=diffs+1
#print "diffs：" + str(diffs)
#points[diffs]=mode
points[diffs]=mode[d]
d=d+1
points=sorted(points.iteritems(), cmp=lambda x,y:cmp(x[0],y[0]), reverse = False )
result.append(points[0][1])

a="".join(result)
print "The result is:",a
print "over"

　　说明：做识别首先要有一个库，来比对，这里做的方法是取像素点，判断和库中的图片是否一样，取不同个数最少的一个图片作为结果。

以上步骤就是验证码识别的一个简单过程，不过识别率很低，只是作为一个学习，还是可以了考虑用其他方法来识别验证码。