Python怎么實現圖形驗證碼識別

這篇文章主要介紹了Python怎么實現圖形驗證碼識別的相關知識，內容詳細易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇Python怎么實現圖形驗證碼識別文章都會有所收獲，下面我們一起來看看吧。

環境使用

• python 3.9

• pycharm

圖形驗證碼的識別

我們首先識別最簡單的一種驗證碼，即圖形驗證碼。這種驗證碼最早出現，現在也很常見，一般由 4 位字母或者數字組成。例如，某某網站的注冊頁面有類似的驗證碼。

一般來說，表單的最后一項就是圖形驗證碼，我們必須完全正確輸入圖中的字符才可以完成注冊和登錄。

1. 本節目標

以某網站的驗證碼為例，講解利用 OCR 技術識別圖形驗證碼的方法。

2. 準備工作

識別圖形驗證碼需要庫 tesserocr。本文文末有安裝教程。

3. 獲取驗證碼

為了便于我們的實驗測試，我們先將驗證碼的圖片保存到本地。

打開開發者工具，找到驗證碼元素。驗證碼元素是一張圖片，它的 src 屬性是 CheckCode.aspx。可以看到一個驗證碼，右鍵保存即可，將其命名為 yzm.jpg。

這樣我們就可以得到一張驗證碼圖片，以供測試識別使用。

4. 識別測試

接下來新建一個項目，將驗證碼圖片放到項目根目錄下，用 tesserocr 庫識別該驗證碼，代碼如下所示：

import tesserocr
from PIL import Image
image = Image.open('yzm.jpg')
result = tesserocr.image_to_text(image)
print(result)

在這里我們新建了一個 Image 對象，調用了 tesserocr 的 image_to_text() 方法。傳入該 Image 對象即可完成識別，實現過程非常簡單，結果如下所示：JR42。是不是很神奇。

5. 驗證碼處理

接下來我們換一個驗證碼，將其命名為 code2.jpg

重新運行上面的代碼，輸出FFKT。

這次識別和實際結果有偏差，這是因為驗證碼內的多余線條干擾了圖片的識別。

對于這種情況，我們還需要做一下額外的處理，如轉灰度、二值化等操作。我們可以利用 Image 對象的 convert() 方法參數傳入 L，即可將圖片轉化為灰度圖像，代碼如下所示：

image = image.convert('L')
image = image.convert('1')
image.show()

我們還可以指定二值化的閾值。上面的方法采用的是默認閾值 127。不過我們不能直接轉化原圖，要將原圖先轉為灰度圖像，然后再指定二值化閾值，代碼如下所示：

image = image.convert('L')
threshold = 80
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
image = image.point(table, '1')
image.show()

運行之后就會得到我們想要的處理結果。而且我們發現原來驗證碼中的線條已經去除，整個驗證碼變得黑白分明。這時重新識別驗證碼，再次運行上面的代碼就可以得到我們要的驗證碼。

那么，針對一些有干擾的圖片，我們做一些灰度和二值化處理，這會提高圖片識別的正確率。

tesserocr庫安裝

在這里我和大家簡單介紹一下，這個庫的安裝教程。

1. tesseract軟件的安裝

在win10下，安裝tesseract可以進入該網址進行下載 https://digi.bib.uni-mannheim.de/tesseract/

其中，文件名中帶有dev的為開發版本，不帶dev的為穩定版本，可以選擇下載不帶dev的版本。例如可以選擇下載tesseract-ocr-win64-setup-v5.3.0.20221214.exe。

下載完成后，打開下載文件，其中可以勾選Additional language data(download)選項來安裝OCR識別支持的語言包，以便OCR識別多國語言。(也可以在選項中只勾選chinese)

2. 環境配置

在系統變量里，修改path，添加你安裝tesserocr的路徑。在系統變量里，創建一個新的變量名為:TESSDATA_PREFIX，值為:D:\Program Files(X86)\Tesseract-OCR\tessdata(根據自己安裝的tesserocr安裝路徑為準)。

3. 安裝tesseracr包

- 嘗試pip安裝：

pip install tesserocr

- 如果不成功，則嘗試通過.whl文件安裝。

TIP

tesserocr也只是識別手段的一種，如果需要高精度的識別，可以嘗試TensorFlow實現深度學習模型，通過訓練模型來識別圖形驗證碼。

關于“Python怎么實現圖形驗證碼識別”這篇文章的內容就介紹到這里，感謝各位的閱讀！相信大家對“Python怎么實現圖形驗證碼識別”知識都有一定的了解，大家如果還想學習更多知識，歡迎關注億速云行業資訊頻道。