python利用Tesseract识别验证码

栏目: Python · 发布时间: 5年前

内容简介:无论是是自动化登录还是爬虫,总绕不开验证码,这次就来谈谈python中光学识别验证码模块下载地址:下载完成后,双击安装,可以勾选

无论是是自动化登录还是爬虫,总绕不开验证码,这次就来谈谈 python 中光学识别验证码模块 tesserocrpytesseracttesserocrpytesseract 是Python的一个OCR识别库,但其实是对 tesseract 做的一层Python API封装, pytesseract 是Google的 Tesseract-OCR 引擎包装器;所以它们的核心是 tesseract ,因此在安装 tesserocr 之前,我们需要先安装 tesseract

下载安装

下载地址: https://digi.bib.uni-mannheim...

下载完成后,双击安装,可以勾选 Additional language data(download) 选项来安装OCR识别支持的语言包,但下载语言包实在是慢,我们可以直接从 https://github.com/tesseract-... 下载zip的语言包压缩文件,解压后将 tessdata-master 中的文件复制到 Tesseract 的安装目录 C:\Program Files (x86)\Tesseract-OCR\tessdata 目录下,最后我们配置下环境变量,我们将 C:\Program Files (x86)\Tesseract-OCR 添加到环境变量中。进入命令提示符,输入 tesseract ,显示下图结果,说明配置完成

python利用Tesseract识别验证码

查看安装了的语言包: tesseract --list-langs

python利用Tesseract识别验证码

显示我一共安装了167种语言包,里边包含英文或者其他字符。

测试

实验用的二维码

python利用Tesseract识别验证码

基本使用语法

tesseract image.png result (tesseract 图片名称 生成文件名称)

结果

python利用Tesseract识别验证码

由结果来看,识别出来了P、2和X,但是把C识别成了G,识别度还是比较高,接下来看在python中的使用

python引入tesseract

在python下使用pip命令即可完成下载安装 pip install pytesseract

识别验证码脚本

import pytesseract
from PIL import Image

im=Image.open('pin.png')
print(pytesseract.image_to_string(im))

结果

python利用Tesseract识别验证码

这样识别的结果同样跟上文一样,个别字符识别的不是很准确

图像处理

现在网站上的二维码设计的通常很难复杂,如果直接识别的话很难识别出来,下面这段代码是进行灰度处理和二值化

import pytesseract
from PIL import Image

im=Image.open('5.jpg')
#进行置灰处理
im=im.convert('L')
#这个是二值化阈值
threshold=150
table=[]
for i in range(256):
    if i<threshold:
        table.append(0)
    else:
        table.append(1)
#通过表格转换成二进制图片,1的作用是白色,0就是黑色
im=im.point(table,"1")
im.show()
print(pytesseract.image_to_string(im))

原图

python利用Tesseract识别验证码

置灰和二值化后

python利用Tesseract识别验证码

想要提高识别率只能下载训练好的语言包,如上述所说,或者用深度学习的方法训练机器

原文地址: https://nolon.xyz/archives/77/


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

计算机算法设计与分析

计算机算法设计与分析

王晓东 / 电子工业出版社 / 2007-5 / 29.50元

《计算机算法设计与分析(第3版)》为普通高等教育“十一五”国家级规划教材,是计算机专业核心课程“算法设计与分析”教材。全书以算法设计策略为知识单元,系统介绍计算机算法的设计方法与分析技巧。主要内容包括:算法概述、递归与分治策略、动态规划、贪心算法、回溯法、分支限界法、随机化算法、线性规划与网络流、NP完全性理论与近似算法等。书中既涉及经典与实用算法及实例分析,又包括算法热点领域追踪。 为突出......一起来看看 《计算机算法设计与分析》 这本书的介绍吧!

RGB转16进制工具
RGB转16进制工具

RGB HEX 互转工具

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换

HSV CMYK 转换工具
HSV CMYK 转换工具

HSV CMYK互换工具