快捷導(dǎo)航

python腳本實(shí)現(xiàn)驗(yàn)證碼識(shí)別

更新時(shí)間：2018年06月07日 10:46:25 作者：y0nghum1ng

這篇文章主要為大家詳細(xì)介紹了python腳本實(shí)現(xiàn)驗(yàn)證碼識(shí)別的實(shí)現(xiàn)代碼，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

最近在折騰驗(yàn)證碼識(shí)別。最終的腳本的識(shí)別率在92%左右，9000張驗(yàn)證碼大概能識(shí)別出八千三四百?gòu)堊笥?。好吧，其?shí)是驗(yàn)證碼太簡(jiǎn)單。下面就是要識(shí)別的驗(yàn)證碼。

我主要用的是Python中的PIL庫(kù)。

首先進(jìn)行二值化處理。由于圖片中的噪點(diǎn)顏色比較淺，所以可以設(shè)定一個(gè)閾值直接過(guò)濾掉。這里我設(shè)置的閾值是150，像素大于150的賦值為1，小于的賦為0.

def set_table(a):
  table = []     
  for i in range(256):
    if i < a:
      table.append(0)
    else:
      table.append(1)
  return table

img = Image.open("D:/python/單個(gè)字體/A"+str(i)+".jpg")
pix = img.load()

#將圖片進(jìn)行灰度化處理
img1 = img.convert('L')

#閾值為150，參數(shù)為1，將圖片進(jìn)行二值化處理
img2 = img1.point(set_table(150),'1')

處理后的圖片如下。

閾值不同產(chǎn)生的不同效果：

接下來(lái)對(duì)圖片進(jìn)行分割。遍歷圖片中所有像素點(diǎn)，計(jì)算每一列像素為0的點(diǎn)的個(gè)數(shù)（jd）。對(duì)于相鄰兩列，若其中一列jd=0,而另一列jd!=0,則可以認(rèn)為這一列是驗(yàn)證碼中字符邊界，由此對(duì)驗(yàn)證碼進(jìn)行分割。這樣分割能達(dá)到比較好的效果，分割后得到的字符圖片幾乎能與模板完全相同。

(Width,Height) = img2.size
pix2 = img2.load()
x0 = []
y0 = []

for x in range(1,Width):
  jd = 0
  # print x
  for y in range(1,Height):
    # print y
    if pix2[x,y] == 0:
      jd+=1
  y0.append(jd)
  if jd > 0:
    x0.append(x)

#分別對(duì)各個(gè)字符邊界進(jìn)行判斷，這里只舉出一個(gè)    
for a in range(1,Width):
  if (y0[a] != 0)&(y0[a+1] != 0):
    sta1 = a+1
    break

分割完成后，對(duì)于識(shí)別，目前有幾種方法。可以遍歷圖片的每一個(gè)像素點(diǎn)，獲取像素值，得到一個(gè)字符串，將該字符串與模板的字符串進(jìn)行比較，計(jì)算漢明距離或者編輯距離（即兩個(gè)字符串的差異度），可用Python-Levenshtein庫(kù)來(lái)實(shí)現(xiàn)。

我采用的是比較特征向量來(lái)進(jìn)行識(shí)別的。首先設(shè)定了4個(gè)豎直特征向量，分別計(jì)算第0、2、4、6列每一列像素值為0的點(diǎn)的個(gè)數(shù)，與模板進(jìn)行比較，若小于閾值則認(rèn)為該字符與模板相同。為了提高識(shí)別率，如果通過(guò)豎直特征向量未能識(shí)別成功，引入水平特征向量繼續(xù)識(shí)別，原理與豎直特征向量相同。

另外，還可以通過(guò)局部特征進(jìn)行識(shí)別。這對(duì)于加入了旋轉(zhuǎn)干擾的驗(yàn)證碼有很好效果。由于我寫(xiě)的腳本識(shí)別率已經(jīng)達(dá)到了要求，所以并沒(méi)有用到這個(gè)。

最后的結(jié)果是這樣的：