前言
- 最近在研究验证码相关的操作，所以准备记录下安装以及使用的过程。虽然之前对验证码的破解有所了解的，但是之前都是简单使用之后就不用了，没有记录一个详细的过程，所以后面再用起来也要重新从网上查找资料比较麻烦，所以这里准备对研究过程的关键点做一个记录。
首先这篇文章，主要是研究图形验证码，后期会不定时拓展内容。
在网上查了很多版本的图形验证码识别，目前看到最多的两个模块是pytesseract和tesserocr，但是因为我这里安装tesserocr的时候各种出错，所以最终我锁定了使用pytesseract。
那么接下来，就记录下安装以及使用过程。这里的系统环境是mac os 10.14.
安装tesserocr
brew install tesserocr
因为pytesseract依赖于tesserocr所以首先需要先安装tesserocr这个软件。接下来就是安装python相关的包
安装python所需要的包
pip3 install pytesseract
pip3 install pillow
安装pytesseract是ocr识别图片上的字，因为验证码的识别难度高低不同，所以在这个过程中需要对图片做一定的处理，这就需要使用处理图片的模块pillow。
一个简单的demo
import pytesseract
from PIL import Image
import os
def binarizing(img, threshold):
"""传入image对象进行灰度、二值处理"""
pixdata = img.load()
w, h = img.size
# 遍历所有像素，大于阈值的为黑色
for y in range(h):
for x in range(w):
if pixdata[x, y] < threshold:
pixdata[x, y] = 0
else:
pixdata[x, y] = 255
return img
_temp = os.path.dirname(__file__)
file_path = os.path.join(_temp, 'code2.jpg')
print("file_path", file_path)
image = Image.open(file_path)
image = image.convert('L')
threshold = 157
table = []
# 接下来是二值化处理
# 遍历所有像素，大于阈值的为黑色，threshold是阀值
image = binarizing(image, threshold)
result = pytesseract.image_to_string(image)
print(result)
示例中的图片
需要用到的图像知识：
对于彩色图像，不管其图像格式是PNG，还是BMP，或者JPG，在PIL中，使用Image模块的open()函数打开后，返回的图像对象的模式都是“RGB”。而对于灰度图像，不管其图像格式是PNG，还是BMP，或者JPG，打开后，其模式为“L”也就是我们说的灰度化的一个操作。除此之外，还有其他的模式，不过我们在处理验证码的时候是将其转为灰度模式，所以就不强调其他的模式了。
模式“L”
模式“L”为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。在PIL中，从模式“RGB”转换为“L”模式是按照下面的公式转换的：
L = R * 299/1000 + G * 587/1000+ B * 114/1000
通过灰度化之后的图片变为
灰度化我们还要对其进行二值化操作
二值化操作
二值化故名思议，就是整个图像所有像素只有两个值可以选择，一个是黑（灰度为0），一个是白（灰度为255）。二值化的好处就是将图片上的有用信息和无用信息区分开来，比如二值化之后的验证码图片，验证码像素为黑色，背景和干扰点为白色，这样后面对验证码像素处理的时候就会很方便。对于简单的图形验证码，到这里基本上就够了，但是如果有干扰线，还要进行除干扰线的操作。
对应的代码为
def binarizing(img, threshold):
"""传入image对象进行灰度、二值处理"""
pixdata = img.load()
w, h = img.size
# 遍历所有像素，大于阈值的为黑色
for y in range(h):
for x in range(w):
if pixdata[x, y] < threshold:
pixdata[x, y] = 0 #小于阀值设为0，0是黑色
else:
pixdata[x, y] = 255 0 #大于阀值设为255，255是白色
return img
此时的图片效果为
可以看到图片变得锐化了很多，这个时候再去识别就比较好识别了。
去干扰线
常见的4邻域、8邻域算法。所谓的X邻域算法，可以参考手机九宫格输入法，按键5为要判断的像素点，4邻域就是判断上下左右，8邻域就是判断周围8个像素点。如果这4或8个点中255的个数大于某个阈值则判断这个点为噪音，阈值可以根据实际情况修改。
使用cv2处理
除此之外还可以使用cv2模块进行处理。
安装
pip install opencv-python
代码示例
# -*- coding: utf-8 -*-
# @时间 : 2020-01-08 18:01
# @作者 : 陈祥安
# @文件名 : cv2_demo.py
# @公众号: Python学习开发
import cv2
import numpy as np
import os
_temp = os.path.dirname(__file__)
file_path = os.path.join(_temp, 'code2.jpg')
def remove_noise(img, k=4):
###8领域过滤
img2 = img.copy()
# img处理数据，k过滤条件
w, h = img2.shape
def get_neighbors(img3, r, c):
count = 0
for i in [r - 1, r, r + 1]:
for j in [c - 1, c, c + 1]:
if img3[i, j] > 10: # 纯白色
count += 1
return count
# 两层for循环判断所有的点
for x in range(w):
for y in range(h):
if x == 0 or y == 0 or x == w - 1 or y == h - 1:
img2[x, y] = 255
else:
n = get_neighbors(img2, x, y) # 获取邻居数量，纯白色的邻居
if n > k:
img2[x, y] = 255
return img2
img = cv2.imread(file_path)
# 将图片灰度化处理,降维,加权进行灰度化c
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
t, gray2 = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY)
cv2.imshow('threshold', gray2)
result = remove_noise(gray2)
cv2.imshow('8neighbors', result)
cv2.waitKey(0)
#cv2.destroyAllWindows()
参考资料
https://www.jb51.net/article/141428.htm
https://blog.csdn.net/icamera0/article/details/50843172
https://www.jb51.net/article/174093.htm