python利用Tesseract识别验证码_python教程

上一篇: Python标准库——走马观花下一篇:学习Python编程的书籍Top7

python利用Tesseract识别验证码

发布时间：2019-06-15 发布网站：脚本宝典

脚本宝典收集整理的这篇文章主要介绍了python利用Tesseract识别验证码，脚本宝典觉得挺不错的，现在分享给大家，也给大家做个参考。

无论是是自动化登录还是爬虫，总绕不开验证码，这次就来谈谈python中光学识别验证码模块tesserocr和pytesseract。tesserocr和pytesseract是Python的一个OCR识别库，但其实是对tesseract做的一层Python API封装，pytesseract是GOOGLE的Tesseract-OCR引擎包装器；所以它们的核心是tesseract,因此在安装tesserocr之前，我们需要先安装tesseract。
下载安装
下载地址：@L_512_3@ 
下载完成后，双击安装，可以勾选AddITional language data(download)选项来安装OCR识别支持的语言包，但下载语言包实在是慢，我们可以直接从https://github.com/tesseract-... 下载zip的语言包压缩文件，解压后将teSSData-master中的文件复制到Tesseract的安装目录C:PRogram Files (x86)Tesseract-OCRtessdata目录下，最后我们配置下环境变量，我们将C:Program Files (x86)Tesseract-OCR添加到环境变量中。进入命令提示符，输入tesseract，显示下图结果，说明配置完成

查看安装了的语言包：tesseract --list-langs

显示我一共安装了167种语言包，里边包含英文或者其他字符。
测试
实验用的二维码

基本使用语法
tesseract image.png result （tesseract 图片名称 生成文件名称）
结果

由结果来看，识别出来了P、2和X，但是把C识别成了G，识别度还是比较高，接下来看在python中的使用
@H_126_86@python引入tesseract
在Python下使用pip命令即可完成下载安装 pip install pytesseract
识别验证码脚本

      
      
      
      
      
import pytesseract
From PIL import Image

im=Image.oPEn('pin.png')
print(pytesseract.image_to_string(im))
结果

这样识别的结果同样跟上文一样，个别字符识别的不是很准确
图像处理
现在网站上的二维码设计的通常很难复杂，如果直接识别的话很难识别出来，下面这段代码是进行灰度处理和二值化

      
      
      -tool" data-toggle="tooltip" data-placement="top" data-clipboard-text="import pytesseract
from PIL import Image

im=Image.open('5.jpg')
#进行置灰处理
im=im.convert('L')
#这个是二值化阈值
threshold=150
table=[]
for i in range(256):
    if i
      
      
import pytesseract
from PIL import Image

im=Image.open('5.jpg')
#进行置灰处理
im=im.convert('L')
#这个是二值化阈值
threshold=150
table=[]
for i in range(256):
    if i<threshold:
        table.append(0)
    else:
        table.append(1)
#通过表格转换成二进制图片，1的作用是白色，0就是黑色
im=im.point(table,"1")
im.show()
print(pytesseract.image_to_string(im))
原图

置灰和二值化后

想要提高识别率只能下载训练好的语言包，如上述所说，或者用深度学习的方法训练机器
原文地址：https://nolon.xyz/archives/77/