当前位置 博文首页 > 文章内容

    opencv+pytesseract 验证码识别!草鸡简单!

    作者: 栏目:未分类 时间:2020-08-29 14:05:48

    本站于2023年9月4日。收到“大连君*****咨询有限公司”通知
    说我们IIS7站长博客,有一篇博文用了他们的图片。
    要求我们给他们一张图片6000元。要不然法院告我们

    为避免不必要的麻烦,IIS7站长博客,全站内容图片下架、并积极应诉
    博文内容全部不再显示,请需要相关资讯的站长朋友到必应搜索。谢谢!

    另祝:版权碰瓷诈骗团伙,早日弃暗投明。

    相关新闻:借版权之名、行诈骗之实,周某因犯诈骗罪被判处有期徒刑十一年六个月

    叹!百花齐放的时代,渐行渐远!



    一、环境配置

    • 需要 pillow 和 pytesseract 这两个库,pip install 安装就好了。
    pip install pillow -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
    pip install pytesseract -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
    • 安装好Tesseract-OCR.exe
    • pytesseract 库的配置:搜索找到pytesseract.py,打开该.py文件,找到 tesseract_cmd,改变它的值为刚才安装 tesseract.exe 的路径。

    二、验证码识别

    识别验证码,需要先对图像进行预处理,去除会影响识别准确度的线条或噪点,提高识别准确度。

    实例1

    import cv2 as cv
    import pytesseract
    from PIL import Image
    
    
    def recognize_text(image):
        # 边缘保留滤波  去噪
        dst = cv.pyrMeanShiftFiltering(image, sp=10, sr=150)
        # 灰度图像
        gray = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)
        # 二值化
        ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
        # 形态学操作   腐蚀  膨胀
        erode = cv.erode(binary, None, iterations=2)
        dilate = cv.dilate(erode, None, iterations=1)
        cv.imshow('dilate', dilate)
        # 逻辑运算  让背景为白色  字体为黑  便于识别
        cv.bitwise_not(dilate, dilate)
        cv.imshow('binary-image', dilate)
        # 识别
        test_message = Image.fromarray(dilate)
        text = pytesseract.image_to_string(test_message)
        print(f'识别结果:{text}')
    
    
    src = cv.imread(r'./test/044.png')
    cv.imshow('input image', src)
    recognize_text(src)
    cv.waitKey(0)
    cv.destroyAllWindows()

    运行效果如下:

    识别结果:3n3D
    
    Process finished with exit code 0

    实例2

    import cv2 as cv
    import pytesseract
    from PIL import Image
    
    
    def recognize_text(image):
        # 边缘保留滤波  去噪
        blur =cv.pyrMeanShiftFiltering(image, sp=8, sr=60)
        cv.imshow('dst', blur)
        # 灰度图像
        gray = cv.cvtColor(blur, cv.COLOR_BGR2GRAY)
        # 二值化
        ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
        print(f'二值化自适应阈值:{ret}')
        cv.imshow('binary', binary)
        # 形态学操作  获取结构元素  开操作
        kernel = cv.getStructuringElement(cv.MORPH_RECT, (3, 2))
        bin1 = cv.morphologyEx(binary, cv.MORPH_OPEN, kernel)
        cv.imshow('bin1', bin1)
        kernel = cv.getStructuringElement(cv.MORPH_OPEN, (2, 3))
        bin2 = cv.morphologyEx(bin1, cv.MORPH_OPEN, kernel)
        cv.imshow('bin2', bin2)
        # 逻辑运算  让背景为白色  字体为黑  便于识别
        cv.bitwise_not(bin2, bin2)
        cv.imshow('binary-image', bin2)
        # 识别
        test_message = Image.fromarray(bin2)
        text = pytesseract.image_to_string(test_message)
        print(f'识别结果:{text}')
    
    
    src = cv.imread(r'./test/045.png')
    cv.imshow('input image', src)
    recognize_text(src)
    cv.waitKey(0)
    cv.destroyAllWindows()
    

     

    运行效果如下:

    二值化自适应阈值:181.0
    识别结果:8A62N1
    
    Process finished with exit code 0

    实例3

    import cv2 as cv
    import pytesseract
    from PIL import Image
    
    
    def recognize_text(image):
        # 边缘保留滤波  去噪
        blur = cv.pyrMeanShiftFiltering(image, sp=8, sr=60)
        cv.imshow('dst', blur)
        # 灰度图像
        gray = cv.cvtColor(blur, cv.COLOR_BGR2GRAY)
        # 二值化  设置阈值  自适应阈值的话 黄色的4会提取不出来
        ret, binary = cv.threshold(gray, 185, 255, cv.THRESH_BINARY_INV)
        print(f'二值化设置的阈值:{ret}')
        cv.imshow('binary', binary)
        # 逻辑运算  让背景为白色  字体为黑  便于识别
        cv.bitwise_not(binary, binary)
        cv.imshow('bg_image', binary)
        # 识别
        test_message = Image.fromarray(binary)
        text = pytesseract.image_to_string(test_message)
        print(f'识别结果:{text}')
    
    
    src = cv.imread(r'./test/045.jpg')
    cv.imshow('input image', src)
    recognize_text(src)
    cv.waitKey(0)
    cv.destroyAllWindows()
    

     

    运行效果如下:

    二值化设置的阈值:185.0
    识别结果:7364
    
    Process finished with exit code 0

    源码获取加下交流群:1136192749