一、準備工作與程式碼例項
1、PIL、pytesser、tesseract
(1)安裝PIL：下載地址：http://www.pythonware.com/products/pil/（CSDN下載）
下載後是一個exe，直接雙擊安裝，它會自動安裝到C:Python27Libsite-packages中去，
(2)pytesser:下載地址：http://code.google.com/p/pytesser/,（CSDN下載）
下載解壓後直接放C:Python27Libsite-packages(根據你安裝的Python路徑而不同)，同時，新建一個pytheeer.pth,內容就寫pytesser，注意這裡的內容一定要和pytesser這個資料夾同名，意思就是pytesser資料夾，pytesser.pth,及內容都要一樣！
(3)Tesseract OCR engine下載：http://code.google.com/p/tesseract-ocr/（CSDN下載）
下載後解壓，tessdata資料夾，用其替換掉pytesser解壓後的tessdata資料夾即可。(就上面的pytesser資料夾)
二、驗證
（1）原理：
驗證碼影像處理
驗證碼影像識別技術主要是操作圖片內的畫素點,通過對圖片的畫素點進行一系列的操作,最後輸出驗證碼影像內的每個字元的文字矩陣。
1、讀取圖片
2、圖片降噪
3、圖片切割
4、影像文字輸出
（2）驗證字元識別
驗證碼內的字元識別主要以機器學習的分類演算法來完成,目前我所利用的字元識別的演算法為KNN(K鄰近演算法)和SVM (支援向量機演算法),後面我 會對這兩個演算法的適用場景進行詳細描述。
1、獲取字元矩陣
2、矩陣進入分類演算法
3、輸出結果
要驗證的圖片如下：
（3）、簡單的命令：
|
1 2 3 |
from pytesser import * image = Image.open('1.jpg') # Open image object using PIL print image_to_string(image) # Run tesseract.exe on image |
然後執行：
或者直接：
|
1 |
print image_file_to_string('fnord.tif') |
同樣能輸出結果！
（4）、複雜一點的
上面的只能對一些比較簡單的做處理，一
原理：彩色轉灰度，灰度轉二值，二值影像識別
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 |
# 驗證碼識別，此程式只能識別資料驗證碼 import Image import ImageEnhance import ImageFilter import sys from pytesser import * # 二值化 threshold = 140 table = [] for i in range(256): if i < threshold: table.append(0) else: table.append(1) #由於都是數字 #對於識別成字母的 採用該表進行修正 rep={'O':'0', 'I':'1','L':'1', 'Z':'2', 'S':'8' }; def getverify1(name): #開啟圖片 im = Image.open(name) #轉化到灰度圖 imgry = im.convert('L') #儲存影像 imgry.save('g'+name) #二值化，採用閾值分割法，threshold為分割點 out = imgry.point(table,'1') out.save('b'+name) #識別 text = image_to_string(out) #識別對嗎 text = text.strip() text = text.upper(); for r in rep: text = text.replace(r,rep[r]) #out.save(text+'.jpg') print text return text getverify1('1.jpg') #注意這裡的圖片要和此檔案在同一個目錄，要不就傳絕對路徑也行 |
執行後效果：
