【转】Python验证码识别处理实例

原文出处： 林炳文（@林炳文Evankaka）

一、准备工作与代码实例

1、PIL、pytesser、tesseract

(1)安装PIL：下载地址：http://www.pythonware.com/products/pil/（CSDN下载）

下载后是一个exe，直接双击安装，它会自动安装到C:Python27Libsite-packages中去，

(2)pytesser:下载地址：http://code.google.com/p/pytesser/,（CSDN下载）

下载解压后直接放C:Python27Libsite-packages(根据你安装的Python路径而不同)，同时，新建一个pytheeer.pth,内容就写pytesser，注意这里的内容一定要和pytesser这个文件夹同名，意思就是pytesser文件夹，pytesser.pth,及内容都要一样！

(3)Tesseract OCR engine下载：http://code.google.com/p/tesseract-ocr/（CSDN下载）

下载后解压，tessdata文件夹，用其替换掉pytesser解压后的tessdata文件夹即可。(就上面的pytesser文件夹)

二、验证

（1）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：

（3）、简单的命令：

Python

from pytesser import *
image = Image.open('1.jpg')  # Open image object using PIL
print image_to_string(image)     # Run tesseract.exe on image

或者直接：

Python

print image_file_to_string('fnord.tif')

同样能输出结果！

（4）、复杂一点的

上面的只能对一些比较简单的做处理，一

原理：彩色转灰度，灰度转二值，二值图像识别

Python

# 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 pytesser 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':'',
    'I':'','L':'',
    'Z':'',
    'S':''
    };    

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,'')
    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

运行后效果：