为什么选择做游戏网站,网页设计大赛海报,腾讯开放平台官网,网站建设项目简介用python加“验证码”为关键词在baidu里搜一下#xff0c;可以找到很多关于验证码识别的文章。我大体看了一下#xff0c;主要方法有几类#xff1a;一类是通过对图片进行处理#xff0c;然后利用字库特征匹配的方法#xff0c;一类是图片处理后建立字符对应字典#xff…用python加“验证码”为关键词在baidu里搜一下可以找到很多关于验证码识别的文章。我大体看了一下主要方法有几类一类是通过对图片进行处理然后利用字库特征匹配的方法一类是图片处理后建立字符对应字典还有一类是直接利用ocr模块进行识别。不管是用什么方法都需要首先对图片进行处理于是试着对下面的验证码进行分析。
一、图片处理这个验证码中主要的影响因素是中间的曲线首先考虑去掉图片中的曲线。考虑了两种算法
第一种是首先取到曲线头的位置即x0时黑点的位置。然后向后移动x的取值观察每个x下黑点的位置判断前后两个相邻黑点之间的距离如果距离在一定范围内可以基本判断该点是曲线上的点最后将曲线上的点全部绘成白色。试了一下这种方法结果得到的图片效果很一般曲线不能完全去除而且容量将字符的线条去除。
第二种考虑用单位面积内点的密度来进行计算。于是首先计算单位面积内点的个数将单位面积内点个数少于某一指定数的面积去除剩余的部分基本上就是验证码字符的部分。本例中为了便于操作取了5*5做为单位范围并调整单位面积内点的标准密度为11。处理后的效果二、字符验证
这里我使用的方法是利用pytesser进行ocr识别但由于这类验证码字符的不规则性使得验证结果的准确性并不是很高。具体哪位大牛有什么好的办法希望能给指点一下。
三、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/
(2)pytesser:下载地址http://code.google.com/p/pytesser/,下载解压后直接放在代码相同的文件夹下即可使用。
(3)Tesseract OCR engine下载http://code.google.com/p/tesseract-ocr/下载后解压找到tessdata文件夹用其替换掉pytesser解压后的tessdata文件夹即可。
2、具体代码
#encodingutf-8
###利用点的密度计算
import Image,ImageEnhance,ImageFilter,ImageDraw
import sys
from pytesser import *
#计算范围内点的个数
def numpoint(im):
w,h im.size
data list( im.getdata() )
mumpoint0
for x in range(w):
for y in range(h):
if data[ y*w x ] !255:#255是白色
mumpoint1
return mumpoint
#计算5*5范围内点的密度
def pointmidu(im):
w,h im.size
p[]
for y in range(0,h,5):
for x in range(0,w,5):
box (x,y, x5,y5)
im1im.crop(box)
anumpoint(im1)
if a11:##如果5*5范围内小于11个点那么将该部分全部换为白色。
for i in range(x,x5):
for j in range(y,y5):
im.putpixel((i,j), 255)
im.save(rimg.jpg)
def ocrend():##识别
image_name img.jpg
im Image.open(image_name)
im im.filter(ImageFilter.MedianFilter())
enhancer ImageEnhance.Contrast(im)
im enhancer.enhance(2)
im im.convert(1)
im.save(1.tif)
print image_file_to_string(1.tif)
if __name____main__:
image_name 1.png
im Image.open(image_name)
im im.filter(ImageFilter.DETAIL)
im im.filter(ImageFilter.MedianFilter())
enhancer ImageEnhance.Contrast(im)
im enhancer.enhance(2)
im im.convert(1)
##aremove_point(im)
pointmidu(im)
ocrend()
本人的这个方法最终识别率确实不高写出来哪位高手有好的思路或者做法望不惜赐教
