验证码图像识别

最新推荐文章于 2025-02-26 20:36:13 发布

原创最新推荐文章于 2025-02-26 20:36:13 发布 · 276 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#验证码识别

其他专栏收录该内容

15 篇文章

订阅专栏

本文介绍了使用PIL库进行图像预处理，包括灰度化、降噪、二值化和分割，以优化图像并准备进行OCR识别。提到了灰度化方法的几种选择，如分量法、最大值法、平均值法和加权平均法，并展示了如何使用PIL进行二值化处理。最后，通过pytesseract库实现了验证码的识别，演示了完整的处理流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

PIL+tesserocr

pip install pillow
pip install pytesseract

PIL进行预处理。经历步骤：

灰度化->降噪(去除噪声)->二值化->分割->识别

灰度处理

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

img = Image.open('1.png')
img = np.array(img)

print(img)
if img.ndim == 3:
    img = img[:,:,1] # 取三个通道中的第1个数据，编号从0开始
    print(img)

plt.imshow(img, cmap = plt.cm.gray_r)
plt.show()

PIL库自带方法实现灰度化

from PIL import Image

img = Image.open('1.png')
im_gray = img.convert('L')
im_gray.show()

稍微百度了下，发现灰度化的方法其实很多，如分量法、最大值法、平均值法、加权平均法，详情参考here

名称	解释
分量法	该方法最为简单，即在`R`、`G`、`B`三种颜色分量中，任意选取一种颜色作为灰度值
最大值法	该方法是先找出每个像素`R`、`G`、`B`三种颜色分量的值，然后找到值最大的那个颜色，然后以此最大值作为灰度值
平均值法	该方法是先找到像素的`R`、`G`、`B`三种颜色的分量值，最后置灰度值为三个分量值的平均值即可。
加权平均法	因为人眼对每种颜色的敏感度不同，其中人眼对绿色敏感度最高，蓝色敏感度最低，所以我们可以使用加权平均的方法来求灰度值，公式如下: $f(x,y)=a _iR(i,j)+b_iG(i,j)+c_iB(i,j)$

here也有相应的实现。

二值化

二值化的作用：
简单通俗的说：二值化的所用就是将图像分成黑和白（就不是上面的灰度图），更加有利于做图像处理判别。

here深度好文。

验证码识别


import pytesseract
from PIL import Image
#获得图片
img = Image.open('1.png')
img.show()
# 图像灰度化处理
image = img.convert('L')

# 二值化
threshold = 125
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)

image = image.point(table, '1')
image.show()


# 识别
str = pytesseract.image_to_string(image, lang='eng', config='--psm 6 --oem 3 -c tessedit_char_whitelist=0123456789')
print(str)