Python--pytesseract验证码识别处理实例

(linux-ubuntu系统)

安装过程

pytesser 调用了 tesseract，因此需要安装 tesseract，安装 tesseract 需要安装 leptonica，否则编译tesseract 的时候出现 "configure: error: leptonica not found"。

sudo apt-get install tesseract-ocr

之后利用pip安装pytesseract的包

sudo pip install pytesseract

就可以使用了.

windows系统可以参考http://blog.csdn.net/evankaka/article/details/49533493这篇博客就OK了.

也可以参考https://www.quora.com/How-do-I-use-PyTesser-and-Tesseract-OCR-in-Ubuntu-with-Python

原理：

验证码图像处理

验证码图像识别技术主要是操作图片内的像素点,通过对图片的像素点进行一系列的操作,最后输出验证码图像内的每个字符的文本矩阵。

1、读取图片
2、图片降噪
3、图片切割
4、图像文本输出

（2）验证字符识别

验证码内的字符识别主要以机器学习的分类算法来完成,目前我所利用的字符识别的算法为KNN(K邻近算法)和SVM (支持向量机算法),后面我 会对这两个算法的适用场景进行详细描述。

1、获取字符矩阵
2、矩阵进入分类算法
3、输出结果

要验证的图片如下：

import pytesseract
import Image
image = Image.open('1.jpg') 
print pytesseract.image_to_string(image) 

结果如下

Python 2.7.9 (default, Apr  2 2015, 15:33:21) 
[GCC 4.9.2] on linux2
Type "copyright", "credits" or "license()" for more information.
==== No Subprocess ====
>>> 
1201
>>> 

也可以使用复杂一点的,上面的只能对一些比较简单的做处理

原理：彩色转灰度，灰度转二值，二值图像识别

# 验证码识别，此程序只能识别数据验证码
import Image  
import ImageEnhance  
import ImageFilter  
import sys  
from pytesseract import *
# 二值化  
threshold = 140  
table = []  
for i in range(256):  
    if i < threshold:  
        table.append(0)  
    else:  
        table.append(1)  
  
#由于都是数字  
#对于识别成字母的 采用该表进行修正  
rep={'O':'0',  
    'I':'1','L':'1',  
    'Z':'2',  
    'S':'8'  
    };  
  
def  getverify1(name):        
    #打开图片  
    im = Image.open(name)  
    #转化到灰度图
    imgry = im.convert('L')
    #保存图像
    imgry.save('g'+name)  
    #二值化，采用阈值分割法，threshold为分割点 
    out = imgry.point(table,'1')  
    out.save('b'+name)  
    #识别  
    text = image_to_string(out)  
    #识别对吗  
    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')  #注意这里的图片要和此文件在同一个目录，要不就传绝对路径也行