python中识别验证码图片的示例分析

这篇文章主要为大家展示了“python中识别验证码图片的示例分析”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“python中识别验证码图片的示例分析”这篇文章吧。

首选导入一些用到的库，re、Image、pytesseract、selenium、time

import re # 用于正则 from PIL import Image # 用于打开图片和对图片处理 import pytesseract # 用于图片转文字 from selenium import webdriver # 用于打开网站 import time # 代码运行停顿

首先需要获取验证码图片，才能进一步识别。

创建类，定义webdriver和find_element_by_selector方法，用来打开网页和定位验证码图片的元素

class VerificationCode:  def __init__(self):   self.driver = webdriver.Firefox()   self.find_element = self.driver.find_element_by_css_selector

然后打开浏览器截取验证码图片

 def get_pictures(self):   self.driver.get('http://123.255.123.3') # 打开登陆页面   self.driver.save_screenshot('pictures.png') # 全屏截图   page_snap_obj = Image.open('pictures.png')   img = self.find_element('#pic') # 验证码元素位置   time.sleep(1)   location = img.location   size = img.size # 获取验证码的大小参数   left = location['x']   top = location['y']   right = left + size['width']   bottom = top + size['height']   image_obj = page_snap_obj.crop((left, top, right, bottom)) # 按照验证码的长宽，切割验证码   image_obj.show() # 打开切割后的完整验证码   self.driver.close() # 处理完验证码后关闭浏览器   return image_obj

未处理前的验证码图片如下：

未处理的验证码图片，对于python来说识别率较低，仔细看可以发现图片里有很对五颜六色扰乱识别的点，非常影响识别率。

下面对获取的验证码进行处理。

首先用convert把图片转成黑白色。设置threshold阈值，超过阈值的为黑色

 def processing_image(self):   image_obj = self.get_pictures() # 获取验证码   img = image_obj.convert("L") # 转灰度   pixdata = img.load()   w, h = img.size   threshold = 160 # 该阈值不适合所有验证码，具体阈值请根据验证码情况设置   # 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

经过灰度处理后的图片

然后删除一些扰乱识别的像素点。

 def delete_spot(self):   images = self.processing_image()   data = images.getdata()   w, h = images.size   black_point = 0   for x in range(1, w - 1):    for y in range(1, h - 1):     mid_pixel = data[w * y + x] # 中央像素点像素值     if mid_pixel < 50: # 找出上下左右四个方向像素点像素值      top_pixel = data[w * (y - 1) + x]      left_pixel = data[w * y + (x - 1)]      down_pixel = data[w * (y + 1) + x]      right_pixel = data[w * y + (x + 1)]      # 判断上下左右的黑色像素点总个数      if top_pixel < 10:       black_point += 1      if left_pixel < 10:       black_point += 1      if down_pixel < 10:       black_point += 1      if right_pixel < 10:       black_point += 1      if black_point < 1:       images.putpixel((x, y), 255)      black_point = 0   # images.show()   return images

经过去除噪点处理后的图片

最后把处理后的图片转成文字。

先设置pytesseract的路径，因为默认路径是错的，然后转换图片为文字，由于个别图片中识别会出现处理遗漏，会被识别成空格或则点或则分号什么的，所以增加了一个去除验证码中特殊字符的处理。

 def image_str(self):   image = self.delete_spot()   pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe" # 设置pyteseract路径   result = pytesseract.image_to_string(image) # 图片转文字   resultj = re.sub(u"([^\u4e00-\u9fa5\u0030-\u0039\u0041-\u005a\u0061-\u007a])", "", result) # 去除识别出来的特殊字符   result_four = resultj[0:4] # 只获取前4个字符   # print(resultj) # 打印识别的验证码   return result_four

完整代码如下：

import re # 用于正则 from PIL import Image # 用于打开图片和对图片处理 import pytesseract # 用于图片转文字 from selenium import webdriver # 用于打开网站 import time # 代码运行停顿     class VerificationCode:  def __init__(self):   self.driver = webdriver.Firefox()   self.find_element = self.driver.find_element_by_css_selector    def get_pictures(self):   self.driver.get('http://123.255.123.3') # 打开登陆页面   self.driver.save_screenshot('pictures.png') # 全屏截图   page_snap_obj = Image.open('pictures.png')   img = self.find_element('#pic') # 验证码元素位置   time.sleep(1)   location = img.location   size = img.size # 获取验证码的大小参数   left = location['x']   top = location['y']   right = left + size['width']   bottom = top + size['height']   image_obj = page_snap_obj.crop((left, top, right, bottom)) # 按照验证码的长宽，切割验证码   image_obj.show() # 打开切割后的完整验证码   self.driver.close() # 处理完验证码后关闭浏览器   return image_obj    def processing_image(self):   image_obj = self.get_pictures() # 获取验证码   img = image_obj.convert("L") # 转灰度   pixdata = img.load()   w, h = img.size   threshold = 160   # 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    def delete_spot(self):   images = self.processing_image()   data = images.getdata()   w, h = images.size   black_point = 0   for x in range(1, w - 1):    for y in range(1, h - 1):     mid_pixel = data[w * y + x] # 中央像素点像素值     if mid_pixel < 50: # 找出上下左右四个方向像素点像素值      top_pixel = data[w * (y - 1) + x]      left_pixel = data[w * y + (x - 1)]      down_pixel = data[w * (y + 1) + x]      right_pixel = data[w * y + (x + 1)]      # 判断上下左右的黑色像素点总个数      if top_pixel < 10:       black_point += 1      if left_pixel < 10:       black_point += 1      if down_pixel < 10:       black_point += 1      if right_pixel < 10:       black_point += 1      if black_point < 1:       images.putpixel((x, y), 255)      black_point = 0   # images.show()   return images    def image_str(self):   image = self.delete_spot()   pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe" # 设置pyteseract路径   result = pytesseract.image_to_string(image) # 图片转文字   resultj = re.sub(u"([^\u4e00-\u9fa5\u0030-\u0039\u0041-\u005a\u0061-\u007a])", "", result) # 去除识别出来的特殊字符   result_four = resultj[0:4] # 只获取前4个字符   # print(resultj) # 打印识别的验证码   return result_four       if __name__ == '__main__':  a = VerificationCode()  a.image_str()

以上是“python中识别验证码图片的示例分析”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！