用pytesser3识别验证码

一、安装

1、先安装Tesseract-OCR
用于图片文本识别的Tesseract-OCR的安装说明(windows10)
2、安装pytesser3包
用于图片文本识别的pytesser3的安装说明(windows10)

二、分析与代码

代码参考:https://blog.****.net/nwpulei/article/details/8457738

In [1]:

from PIL import Image

import pytesser3

import numpy as np

import matplotlib.pyplot as plt

加载显示验证码图像

In [2]:

img = Image.open('test4.PNG')

plt.imshow(img)

Out[2]:

<matplotlib.image.AxesImage at 0x7fd7b00>

用pytesser3识别验证码

将图像转化灰度图

In [3]:

img_grey = img.convert('L')

plt.imshow(img_grey)

Out[3]:

<matplotlib.image.AxesImage at 0x806d080>

用pytesser3识别验证码

In [4]:

print(img_grey.size)

(60, 22)

分析图像像素值分布

In [5]:

image_np=np.array(img_grey)

print("图像shaep:"+repr(image_np.shape))

print("图像第10行像素值;"+repr(image_np[10]))

图像shaep:(22, 60)
图像第10行像素值;array([227, 195, 184, 247, 240, 122,  81,  80, 249, 245,  98, 108, 226,
       194, 188, 245, 247, 243, 237, 169, 250, 251, 242, 188,  88, 191,
       202, 168, 198, 245, 241, 238, 192, 198,  94,  88, 179, 203, 227,
       172, 202, 179, 180, 251,  70,  85,  70, 183, 185,  79,  58, 190,
       180, 205, 180, 195, 234, 188, 227, 252], dtype=uint8)

In [6]:

image_np=image_np.reshape(1,-1) #变换维度,以便后面统计

print("变换后的维度:"+repr(image_np.shape))

#tmp=image_np[(image_np>140) & (image_np<200)]

#print(tmp.shape)

变换后的维度:(1, 1320)

In [7]:

i=0

step=10 #统计步长

tong_ji={} #字典以存放像素值分布统计结果

while i<=255:

    tong_ji[str(i)+'-'+str(i+step-1)]=image_np[(image_np>=i) & (image_np<i+step)].shape[0]

    i+=10

print("统计结果字典:"+repr(tong_ji))

print("像素总数:"+str(sum(tong_ji.values())))

统计结果字典:{'0-9': 0, '10-19': 0, '20-29': 0, '30-39': 0, '40-49': 0, '50-59': 3, '60-69': 12, '70-79': 35, '80-89': 29, '90-99': 33, '100-109': 21, '110-119': 4, '120-129': 3, '130-139': 0, '140-149': 0, '150-159': 3, '160-169': 33, '170-179': 117, '180-189': 229, '190-199': 148, '200-209': 27, '210-219': 10, '220-229': 44, '230-239': 155, '240-249': 171, '250-259': 243}
像素总数:1320

In [8]:

#画直方图统计

#设置坐标轴名称

plt.xlabel('pixel value')

plt.ylabel('count')

plt.bar(range(0,256,10),tong_ji.values())

Out[8]:

<BarContainer object of 26 artists>

用pytesser3识别验证码

根据统计分析:像素值140左右是一条分水岭,区分出噪点和文字;
然后以140做为阙值,建立过滤索引表,进行图像噪点过滤;

In [9]:

threshold = 140 #阙值设为140

table = [] #转换索引表

for i in range(256):

    if i < threshold:

        table.append(0)

    else:

        table.append(1)

img_out = img_grey.point(table, '1')

plt.imshow(img_out)

Out[9]:

<matplotlib.image.AxesImage at 0x8168cf8>

用pytesser3识别验证码

最后将处理过的图进行ocr

In [10]:

text = pytesser3.image_to_string(img_grey)  # 将图片转成字符串

print(text)

用pytesser3识别验证码

一、安装

二、分析与代码

相关推荐