在用tesseract进行验证码识别之前，我们首先需要对验证码图片进行预处理，尽量去除噪声，而只保留有验证码信息的像素
验证码噪声分析
通常验证码噪声主要有以下:
变色：
对验证码字符像素进行变色，但一般而言为了可以辨认都是和图像底色有一定差别的。这就可以通过二值图像，把验证码字符和底色进行鲜明的区分。比如以下两种验证码，字体像素和背景差别很明显，通过PIL库二值化基本就能分理出字符像素:
处理后:
- 干扰点
干扰点基本上可以算是椒盐噪声，即离散的单独存在的噪点。这种噪声，一般噪点像素和周围像素差别较大，可以简单地用中值滤波处理（如果遇到高斯噪声的可以用高斯滤波）。
另外也可以遍历像素，计算一个像素4领域或者8领域的像素是否跟图像底色近似（用一个阈值做判断），如果超过一定数量则判断该像素为噪声，将此像素设为背景色。
- 干扰线：
干扰线依赖于绘制方式，分曲线和直线。但不管如何，其主要特点是像素是线性连接的，这就可以通过Flood Fill进行着色，并统计着色面积（一般都是验证码像素的着色面积最大），最后把那些着色面积小的噪声像素删除。
- 文字倾斜：
再去除噪声之后，可以把倾斜的文字像素通过仿射变换变成正体字。或者干脆直接用斜体的字建立训练模型（如果验证的字体倾斜方向比较单一的话还是可行的）。
灰度图转换:
img = Image.open(loadpath+file).convert("L")PIL二值图算法:
手动遍历像素，以一定阈值为界限，把图片变成二值图像。比阈值小的都为0（黑），反之为255（白），这里的阈值即其中一个个像素值的大小，所说的像素值，即像素的值大小，如果是灰度图，那么必然每个像素的颜色是非黑即白或者是中间的灰色。用0-255这256个值表示一个像素的灰度，0为黑，255为白。
def binarizing(img,threshold): #input: gray image
pixdata = img.load()
w, h = img.size
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干扰线去噪算法
4邻域像素算法:
对于像素值>245的邻域像素，判别为属于背景色，如果一个像素上下左右4各像素值有超过2个像素属于背景色，那么该像素就是噪声。
def depoint(img): #input: gray image
pixdata = img.load()
w,h = img.size
for y in range(1,h-1):
for x in range(1,w-1):
count = 0
if pixdata[x,y-1] > 245:
count = count + 1
if pixdata[x,y+1] > 245:
count = count + 1
if pixdata[x-1,y] > 245:
count = count + 1
if pixdata[x+1,y] > 245:
count = count + 1
if count > 2:
pixdata[x,y] = 255
return img去噪实例：
原图：
变色之后，也就是二值图处理：
最终结果：
如果用干扰线去噪算法：应为这里没有什么干扰线，没有太大效果，就是原本的灰度图
干扰线处理图片：
from PIL import Image
import pytesseract
tessdata_dir_config = '--tessdata-dir "C:Program Files (x86)Tesseract-OCR/tessdata"'
#二值图处理
def binarizing(img,threshold):
pixdata=img.load()
print(pixdata)
#加载的图片宽和高
w,h=img.size
print (w,h)
for y in range(h):
for x in range(w):
print(pixdata[x,y])
if pixdata[x,y]<threshold:
pixdata[x,y]=0
else:
pixdata[x,y]=255
return img
###########去除干扰线算法
def depoint(img): #input: gray image
pixdata = img.load()
w,h = img.size
for y in range(1,h-1):
for x in range(1,w-1):
count = 0
print(pixdata[x, y - 1])
if pixdata[x,y-1] > 245:
count = count + 1
if pixdata[x,y+1] > 245:
count = count + 1
if pixdata[x-1,y] > 245:
count = count + 1
if pixdata[x+1,y] > 245:
count = count + 1
if count > 2:
pixdata[x,y] = 255
return img
if __name__=="__main__":
img=Image.open('D:learningimg验证码/3.png')
#原图片展示
# img.show()
#保存图片
# img.save("new_3.png")
# 必须转化为灰度图，否则，后面会报错TypeError: '<' not supported between instances of 'tuple' and 'int'
img_grey=img.convert('L')
# img_grey.show()
#保存图片
# img_grey.save("new_3_grey.png")
#调用函数，以190像素为界限
# new_img=binarizing(img_grey,190)
# new_img.save("new_img_3.png")
new_img=depoint(img_grey)
new_img.save("new_img_31.png")
#识别图片
code=pytesseract.image_to_string(new_img,config=tessdata_dir_config)
print(code)来自：https://www.jianshu.com/p/41127bf90ca9