验证码识别2 图像预处理
本文将算法第一步的图像预处理，这里有对图像的格式转换，灰度化，对比度改变，锐化，转为黑白图像，去除噪点等一系列操作。
由于要进行图像处理，所以文件头首先要写上：
from PIL import Image,ImageEnhance,ImageFilter,ImageGrab
#定义图像预处理的整体函数
def Change_Image(Docu_Name,Dist):
im = Handle_Image(Docu_Name,Dist)
X_Value=Cut_X(im)
Y_Value=Cut_Y(im)
ims = []
Image_Value=[]
Image_Values=[]
Image_Value_Row=[]
for k in range(4):
im1= im.crop((X_Value[(2*k)],Y_Value[(2*k)],(X_Value[(2*k 1)] 1),(Y_Value[(2*k 1)] 1))) #切割图像为4个子图像
ims.append(im1)
for j in range(Y_Value[(2*k)],(Y_Value[(2*k 1)] 1)):
for i in range(X_Value[(2*k)],(X_Value[(2*k 1)] 1)):
if im.getpixel((i,j))==0:#黑色像素的值是0
Image_Value_Row.append(1)
else:
Image_Value_Row.append(0)
Image_Value.append(Image_Value_Row)#
Image_Value_Row=[]#
Image_Values.append(Image_Value)
Image_Value=[]
return Image_Values #返回切割后各个图像对应的黑白像素的0-1值所存储在其中的三维数组。
#处理图片以便后续的0-1二值化
def Handle_Image(Docu_Name,Dist):
im = Image.open('%s'%(Dist Docu_Name) '.png') #打开对应目录的png格式的验证码图片
im=im.convert('RGB')
for j in range(im.size[1]):
for i in range(im.size[0]):
Gray = Change_Gray(im.getpixel((i,j))) #灰度化
im.putpixel([i,j],(Gray,Gray,Gray))
if i==0 or i==(im.size[0]-1): #将图片的第一行和最后一行设为白色。
im.putpixel([i,j],(255,255,255))
if j==0 or j==(im.size[1]-1):#将图片的第一列和最后一列设为白色。
im.putpixel([i,j],(255,255,255))
enhancer = ImageEnhance.Contrast(im) #增加对比对
im = enhancer.enhance(2)
enhancer = ImageEnhance.Sharpness(im) #锐化
im = enhancer.enhance(2)
enhancer = ImageEnhance.Brightness(im) #增加亮度
im = enhancer.enhance(2)
#im=im.convert('L').filter(ImageFilter.DETAIL) #滤镜效果
im = im.convert('1') #转为黑白图片
im = Clear_Point(im) #清除周围8个像素都是白色的孤立噪点
im = Clear_Point_Twice(im) #清除两个孤立的噪点：周围8个像素中有7个是白色，而唯一的黑色像素对应的他的邻域（他周围的8个像素）中唯一的黑色像素是自身。
im = Clear_Point_Third(im) #清除第三种噪点：左右都是3个（含）以上的空白列，自身相邻的3个列上的X值投影不大于3.
return im
#改变灰度，查文献后发现据说按照下面的R，G，B数值的比例进行调整，图像的灰度最合适。
def Change_Gray(RGB_Value):
Gray = int((RGB_Value[0]*299 RGB_Value[1]*587 RGB_Value[2]*114)/1000)
return Gray
图像处理的关键是后续的清楚噪点，也就是所谓的孤立点
#清除单个孤立点
def Clear_Point(im):
for j in range(1,(im.size[1]-1)):
for i in range(1,(im.size[0]-1)):
if im.getpixel((i,j))==0 and im.getpixel(((i-1),(j-1)))==255 and im.getpixel((i,(j-1)))==255 and im.getpixel(((i 1),(j-1)))==255 and im.getpixel(((i-1),j))==255 and im.getpixel(((i 1),j))==255 and im.getpixel(((i-1),(j 1)))==255 and im.getpixel((i,(j 1)))==255 and im.getpixel(((i 1),(j 1)))==255:
im.putpixel([i,j],255)
return im
#清除只有2个的孤立点
def Clear_Point_Twice(im):
for j in range(1,(im.size[1]-1)):
for i in range(1,(im.size[0]-1)):
if im.getpixel((i,j))==0 and ( im.getpixel(((i-1),(j-1))) im.getpixel((i,(j-1))) im.getpixel(((i 1),(j-1))) im.getpixel(((i-1),j)) im.getpixel(((i 1),j)) im.getpixel(((i-1),(j 1))) im.getpixel((i,(j 1))) im.getpixel(((i 1),(j 1)))) == 255*7:
if im.getpixel(((i 1),j))==0: #因为扫描的顺序是从上到下，从左到右，噪点只能是在自身像素的后面和下面，也就是只有4个可能性而已，而不是8个，可以减少一半的代码。
m=i 1
n=j
if ( im.getpixel(((m-1),(n-1))) im.getpixel((m,(n-1))) im.getpixel(((m 1),(n-1))) im.getpixel(((m-1),n)) im.getpixel(((m 1),n)) im.getpixel(((m-1),(n 1))) im.getpixel((m,(n 1))) im.getpixel(((m 1),(n 1)))) == 255*7:
im.putpixel([i,j],255)
im.putpixel([m,n],255)
elif im.getpixel(((i-1),(j 1)))==0:
m=i-1
n=j 1
if ( im.getpixel(((m-1),(n-1))) im.getpixel((m,(n-1))) im.getpixel(((m 1),(n-1))) im.getpixel(((m-1),n)) im.getpixel(((m 1),n)) im.getpixel(((m-1),(n 1))) im.getpixel((m,(n 1))) im.getpixel(((m 1),(n 1)))) == 255*7:
im.putpixel([i,j],255)