一驯鳖、探討
識(shí)別圖形驗(yàn)證碼可以說是做爬蟲的必修課，涉及到計(jì)算機(jī)圖形學(xué)久免，機(jī)器學(xué)習(xí)浅辙，機(jī)器視覺，人工智能等等高深領(lǐng)域……
簡單地說阎姥，計(jì)算機(jī)圖形學(xué)的主要研究內(nèi)容就是研究如何在計(jì)算機(jī)中表示圖形记舆、以及利用計(jì)算機(jī)進(jìn)行圖形的計(jì)算、處理和顯示的相關(guān)原理與算法呼巴。圖形通常由點(diǎn)泽腮、線、面衣赶、體等幾何元素和灰度盛正、色彩、線型屑埋、線寬等非幾何屬性組成。計(jì)算機(jī)涉及到的幾何圖形處理一般有 2維到n維圖形處理痰滋，邊界區(qū)分摘能，面積計(jì)算，體積計(jì)算敲街，扭曲變形校正团搞。對(duì)于顏色則有色彩空間的計(jì)算與轉(zhuǎn)換，圖形上色多艇，陰影逻恐，色差處理等等。
學(xué)習(xí)中遇到問題有不明白的地方，推薦加小編python學(xué)習(xí)群：862703141即可獲取啦复隆！內(nèi)有視頻教程 拨匆，直播課程 ，等學(xué)習(xí)資料挽拂，期待你的加入
簡單二十行Python代碼實(shí)現(xiàn)驗(yàn)證碼識(shí)別技術(shù)惭每！
簡單二十行Python代碼實(shí)現(xiàn)驗(yàn)證碼識(shí)別技術(shù)！
簡單二十行Python代碼實(shí)現(xiàn)驗(yàn)證碼識(shí)別技術(shù)亏栈！
在破解驗(yàn)證碼中需要用到的知識(shí)一般是 像素台腥，線，面等基本2維圖形元素的處理和色差分析绒北。常見工具為：
支持向量機(jī)(SVM)
OpenCV
圖像處理軟件(Photoshop,Gimp…)
Python Image Library
二黎侈、PIL安裝
PIL： Python Imaging Library, 是Python平臺(tái)的圖像處理標(biāo)準(zhǔn)庫，功能非常強(qiáng)大闷游。
在Debian/Ubantu Linux下直接通過apt安裝：
$sudo apt-get install python-imaging
Max和其他版本的Linux可以直接使用easy_install或pip安裝峻汉，安裝前需要把編譯環(huán)境裝好：
$ sudo easy_install PIL
Windos平臺(tái)可以直接去PIL官網(wǎng)下載exe安裝包。
http://pythonware.com/products/pil/
注：官網(wǎng)提供的安裝包是32位的储藐，64位系統(tǒng)請前往這里
http://www.lfd.uci.edu/~gohlke/pythonlibs/#pillow下載替代包pillow俱济。
三、一般思路
驗(yàn)證碼識(shí)別的一般思路為：
1钙勃、圖片降噪
2蛛碌、圖片切割
3、圖像文本輸出
3.1 圖片降噪
所謂降噪就是把不需要的信息通通去除辖源，比如背景蔚携，干擾線，干擾像素等等克饶，只剩下需要識(shí)別的文字酝蜒，讓圖片變成2進(jìn)制點(diǎn)陣最好。
對(duì)于彩色背景的驗(yàn)證碼：每個(gè)像素都可以放在一個(gè)5維的空間里矾湃，這5個(gè)維度分別是亡脑，X,Y,R,G,B，也就是像素的坐標(biāo)和顏色邀跃，在計(jì)算機(jī)圖形學(xué)中霉咨，有很多種色彩空間，最常用的比如RGB拍屑，印刷用的CYMK途戒，還有比較少見的HSL或者HSV，每種色彩空間的維度都不一樣僵驰，但是可以通過公式互相轉(zhuǎn)換喷斋。在RGB空間中不好區(qū)分顏色唁毒，可以把色彩空間轉(zhuǎn)換為HSV或HSL。色彩空間參見
http://baike.baidu.com/view/3427413.htm
驗(yàn)證碼圖片7039.jpg：
簡單二十行Python代碼實(shí)現(xiàn)驗(yàn)證碼識(shí)別技術(shù)星爪！
1浆西、導(dǎo)入Image包，打開圖片：
from PIL import Imageim = Image.open('7039.jpg')
2移必、把彩色圖像轉(zhuǎn)化為灰度圖像室谚。RBG轉(zhuǎn)化到HSI彩色空間，采用I分量：
imgry = im.convert('L')imgry.show()
灰度看起來是這樣的：
簡單二十行Python代碼實(shí)現(xiàn)驗(yàn)證碼識(shí)別技術(shù)崔泵！
3秒赤、二值化處理
二值化是圖像分割的一種常用方法。在二值化圖象的時(shí)候把大于某個(gè)臨界灰度值的像素灰度設(shè)為灰度極大值憎瘸，把小于這個(gè)值的像素灰度設(shè)為灰度極小值入篮，從而實(shí)現(xiàn)二值化（一般設(shè)置為0-1）。根據(jù)閾值選取的不同幌甘，二值化的算法分為固定閾值和自適應(yīng)閾值潮售，這里選用比較簡單的固定閾值。
把像素點(diǎn)大于閾值的設(shè)置,1锅风，小于閾值的設(shè)置為0酥诽。生成一張查找表，再調(diào)用point()進(jìn)行映射皱埠。
threshold = 140table = []for i in range(256): if i < threshold: table.append(0) else: table.append(1)out = imgry.point(table, '1')out.show()
處理結(jié)果看起來是這樣的：
簡單二十行Python代碼實(shí)現(xiàn)驗(yàn)證碼識(shí)別技術(shù)肮帐！
3.2 圖片切割
識(shí)別驗(yàn)證碼的重點(diǎn)和難點(diǎn)就在于能否成功分割字符，對(duì)于顏色相同又完全粘連的字符边器，比如google的驗(yàn)證碼训枢，目前是沒法做到5%以上的識(shí)別率的。不過google的驗(yàn)證碼基本上人類也只有30%的識(shí)別率忘巧。本文使用的驗(yàn)證碼例子比較容易識(shí)別恒界。可以不用切割砚嘴，有關(guān)圖片切割的方法參見這篇博客：
http://www.cnblogs.com/apexchu/p/4231041.html
四十酣、利用pytesser模塊實(shí)現(xiàn)識(shí)別
pytesser是谷歌OCR開源項(xiàng)目的一個(gè)模塊，在python中導(dǎo)入這個(gè)模塊即可將圖片中的文字轉(zhuǎn)換成文本际长。
鏈接：
https://code.google.com/p/pytesser/
pytesser 調(diào)用了 tesseract婆誓。在python中調(diào)用pytesser模塊，pytesser又用tesseract識(shí)別圖片中的文字也颤。
4.1 pytesser安裝
如果沒有安裝PIL，請到這里下載安裝：
http://www.pythonware.com/products/pil/
安裝pytesser郁轻，下載地址：http://code.google.com/p/pytesser/翅娶，下載后直接將其解壓到項(xiàng)目代碼下文留，或者解壓到python安裝目錄的Libsite-packages下，并將其添加到path環(huán)境變量中竭沫，不然在導(dǎo)入模塊時(shí)會(huì)出錯(cuò)燥翅。
下載Tesseract OCR engine：http://code.google.com/p/tesseract-ocr/，下載后解壓蜕提，找到tessdata文件夾森书，用其替換掉pytesser解壓后的tessdata文件夾即可。
另外如果現(xiàn)在都是從PIL庫中運(yùn)入Image谎势，沒有使用Image模塊凛膏，所以需要把pytesser.py中的import Image改為from PIL import Image, 其次還需要在pytesser文件夾中新建一個(gè)init.py的空文件。
ps：如果覺得后面兩步比較麻煩脏榆，可以直接到云盤中下載
http://yun.baidu.com/s/1jHJvNiI猖毫，操作如步驟2。
4.2 調(diào)用pytesser識(shí)別
pytesser提供了兩種識(shí)別圖片方法须喂，通過image對(duì)象和圖片地址吁断，代碼判斷如下：
from PIL import Imagefrom pytesser import pytesserimage = Image.open('7039.jpg')print pytesser.image_file_to_string('7039.jpg')print pytesser.image_to_string(image)
同時(shí)pytesser還支持其他語言的識(shí)別，比如中文坞生。具體參見：
