主頁 > 知識庫 > 爬蟲Python驗證碼識別入門

爬蟲Python驗證碼識別入門

熱門標(biāo)簽:地圖標(biāo)注審核表 湛江智能外呼系統(tǒng)廠家 長沙高頻外呼系統(tǒng)原理是什么 ai電話機器人哪里好 ai電銷機器人源碼 百度地圖標(biāo)注沒有了 宿遷星美防封電銷卡 西藏房產(chǎn)智能外呼系統(tǒng)要多少錢 外呼并發(fā)線路

爬蟲Python驗證碼識別

前言:

二值化、普通降噪、8鄰域降噪
tesseract、tesserocr、PIL
參考文獻--代碼地址:https://github.com/liguobao/python-verify-code-ocr

 1、批量下載驗證碼圖片

import shutil
import requests
from loguru import logger

for i in range(100):
    url = 'http://xxxx/create/validate/image'
    response = requests.get(url, stream=True)
    with open(f'./imgs/{i}.png', 'wb') as out_file:
        response.raw.decode_content = True
        shutil.copyfileobj(response.raw, out_file)
        logger.info(f"download {i}.png successfully.")
    del response
 
 

2、識別代碼看看效果

from PIL import Image
import tesserocr
img = Image.open("./imgs/98.png")
img.show()
img_l = img.convert("L")# 灰階圖
img_l.show()
verify_code1 = tesserocr.image_to_text(img)
verify_code2 = tesserocr.image_to_text(img_l)
print(f"verify_code1:{verify_code1}")
print(f"verify_code2:{verify_code2}")
 

毫無疑問,無論是原圖還是灰階圖,一無所有。

 3、折騰降噪、去干擾

Python圖片驗證碼降噪 - 8鄰域降噪

from PIL import Image
# https://www.cnblogs.com/jhao/p/10345853.html Python圖片驗證碼降噪 — 8鄰域降噪

 
def noise_remove_pil(image_name, k):
    """
    8鄰域降噪
    Args:
        image_name: 圖片文件命名
        k: 判斷閾值
    Returns:
    """

    def calculate_noise_count(img_obj, w, h):
        """
        計算鄰域非白色的個數(shù)
        Args:
            img_obj: img obj
            w: width
            h: height
        Returns:
            count (int)
        """
        count = 0
        width, height = img_obj.size
        for _w_ in [w - 1, w, w + 1]:
            for _h_ in [h - 1, h, h + 1]:
                if _w_ > width - 1:
                    continue
                if _h_ > height - 1:
                    continue
                if _w_ == w and _h_ == h:
                    continue
                if img_obj.getpixel((_w_, _h_))  230:  # 這里因為是灰度圖像,設(shè)置小于230為非白色
                    count += 1
        return count

    img = Image.open(image_name)
    # 灰度
    gray_img = img.convert('L')

    w, h = gray_img.size
    for _w in range(w):
        for _h in range(h):
            if _w == 0 or _h == 0:
                gray_img.putpixel((_w, _h), 255)
                continue
            # 計算鄰域非白色的個數(shù)
            pixel = gray_img.getpixel((_w, _h))
            if pixel == 255:
                continue

            if calculate_noise_count(gray_img, _w, _h)  k:
                gray_img.putpixel((_w, _h), 255)
    return gray_img


if __name__ == '__main__':
    image = noise_remove_pil("./imgs/1.png", 4)
    image.show()
 

看下圖效果:

這樣差不多了,不過還可以提升

提升新思路:

這邊的干擾線是從某個點發(fā)出來的紅色線條,

其實我只需要把紅色的像素點都干掉,這個線條也會被去掉。

from PIL import Image
import tesserocr
img = Image.open("./imgs/98.png")
img.show()

# 嘗試去掉紅像素點
w, h = img.size
for _w in range(w):
    for _h in range(h):
        o_pixel = img.getpixel((_w, _h))
        if o_pixel == (255, 0, 0):
            img.putpixel((_w, _h), (255, 255, 255))
img.show()

img_l = img.convert("L")
# img_l.show()
verify_code1 = tesserocr.image_to_text(img)
verify_code2 = tesserocr.image_to_text(img_l)
print(f"verify_code1:{verify_code1}")
print(f"verify_code2:{verify_code2}")

看起來OK,上面還有零星的藍色像素掉,也可以用同樣的方法一起去掉。

甚至OCR都直接出效果了
好了,完結(jié)撒花。
不過,后面發(fā)現(xiàn),有些紅色線段和藍色點,是和驗證碼重合的。
這個時候,如果直接填成白色,就容易把字母切開,導(dǎo)致識別效果變差。
當(dāng)前點是紅色或者藍色,判斷周圍點是不是超過兩個像素點是黑色。
是,填充為黑色。
否,填充成白色。

最終完整代碼:

from PIL import Image
import tesserocr
from loguru import logger


class VerfyCodeOCR():
    def __init__(self) -> None:
        pass

    def ocr(self, img):
        """ 驗證碼OCR

        Args:
            img (img): imgObject/imgPath

        Returns:
            [string]: 識別結(jié)果
        """
        img_obj = Image.open(img) if type(img) == str else img
        self._remove_pil(img_obj)
        verify_code = tesserocr.image_to_text(img_obj)
        return verify_code.replace("\n", "").strip()

    def _get_p_black_count(self, img: Image, _w: int, _h: int):
        """ 獲取當(dāng)前位置周圍像素點中黑色元素的個數(shù)

        Args:
            img (img): 圖像信息
            _w (int): w坐標(biāo)
            _h (int): h坐標(biāo)

        Returns:
            int: 個數(shù)
        """
        w, h = img.size
        p_round_items = []
        # 超過了橫縱坐標(biāo)
        if _w == 0 or _w == w-1 or 0 == _h or _h == h-1:
            return 0
        p_round_items = [img.getpixel(
            (_w, _h-1)), img.getpixel((_w, _h+1)), img.getpixel((_w-1, _h)), img.getpixel((_w+1, _h))]
        p_black_count = 0
        for p_item in p_round_items:
            if p_item == (0, 0, 0):
                p_black_count = p_black_count+1
        return p_black_count

    def _remove_pil(self, img: Image):
        """清理干擾識別的線條和噪點

        Args:
            img (img): 圖像對象

        Returns:
            [img]: 被清理過的圖像對象
        """
        w, h = img.size
        for _w in range(w):
            for _h in range(h):
                o_pixel = img.getpixel((_w, _h))
                # 當(dāng)前像素點是紅色(線段) 或者 綠色(噪點)
                if o_pixel == (255, 0, 0) or o_pixel == (0, 0, 255):
                    # 周圍黑色數(shù)量大于2,則把當(dāng)前像素點填成黑色;否則用白色覆蓋
                    p_black_count = self._get_p_black_count(img, _w, _h)
                    if p_black_count >= 2:
                        img.putpixel((_w, _h), (0, 0, 0))
                    else:
                        img.putpixel((_w, _h), (255, 255, 255))

        logger.info(f"_remove_pil finish.")
        # img.show()
        return img


if __name__ == '__main__':
    verfyCodeOCR = VerfyCodeOCR()
    img_path = "./imgs/51.png"
    img= Image.open(img_path)
    img.show()
    ocr_result = verfyCodeOCR.ocr(img)
    img.show()
    logger.info(ocr_result)


到此這篇關(guān)于爬蟲Python驗證碼識別入門的文章就介紹到這了,更多相關(guān)Python驗證碼識別內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

您可能感興趣的文章:
  • 關(guān)于python爬蟲應(yīng)用urllib庫作用分析
  • python爬蟲Scrapy框架:媒體管道原理學(xué)習(xí)分析
  • python爬蟲Mitmproxy安裝使用學(xué)習(xí)筆記
  • Python爬蟲和反爬技術(shù)過程詳解
  • python爬蟲之Appium爬取手機App數(shù)據(jù)及模擬用戶手勢
  • Python爬蟲技術(shù)
  • Python爬蟲爬取商品失敗處理方法
  • Python獲取江蘇疫情實時數(shù)據(jù)及爬蟲分析
  • Python爬蟲之Scrapy環(huán)境搭建案例教程
  • Python爬蟲中urllib3與urllib的區(qū)別是什么
  • 教你如何利用python3爬蟲爬取漫畫島-非人哉漫畫
  • Python爬蟲分析匯總

標(biāo)簽:海南 普洱 大同 寧夏 盤錦 林芝 漯河 南平

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《爬蟲Python驗證碼識別入門》,本文關(guān)鍵詞  爬蟲,Python,驗證,碼,識別,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《爬蟲Python驗證碼識別入門》相關(guān)的同類信息!
  • 本頁收集關(guān)于爬蟲Python驗證碼識別入門的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章