【Python】【验证码识别】python 模拟登陆时,验证码自动识别问题

Tesseract-OCR的简单使用与训练


Tesseract-OCR是设什么?

Tesseract,一款由HP实验室开发由Google维护的开源OCR(Optical Character Recognition , 光学字符识别)引擎,与Microsoft Office Document Imaging(MODI)相比,我们可以不断的训练的库,使图像转换文本的能力不断增强;

我们所需软件

Tesseract-OCR 下载地址传送门
jTessBoxEditor 下载地址传送门

Tesseract-OCR软件安装,我们不作介绍,很简单,不会的可以百度下

安装好的截图

【Python】【验证码识别】python 模拟登陆时,验证码自动识别问题_第1张图片

cmd测试安装是否成功

【Python】【验证码识别】python 模拟登陆时,验证码自动识别问题_第2张图片


如何提升tesseract识别准确率?

tesseract可以识别验证码不假!可是不够准确,我们想要提高准确率,这时我们讲可以使用 jTessBoxEditor 来训练样本,提升识别的准确性!


我们准备样本文件(注意样本必须是.tif/.fiff格式的)

【Python】【验证码识别】python 模拟登陆时,验证码自动识别问题_第3张图片

Merge样本文件

【注意】:样本图像文件格式必须为tif\tiff格式,否则在Merge样本文件的过程中会出现 Couldn’t Seek 的错误。

打开jTessBoxEditor,Tools->Merge TIFF,将样本文件全部选上,并将合并文件保存为zhiTong.font.exp0.tif
我这里一直是(我这里虽然是tif格式的图片,依然出现了Couldn’t Seek 错误)

方式二:我们借助TiffToy.exe

TiffToy.exe下载地址传送门

【Python】【验证码识别】python 模拟登陆时,验证码自动识别问题_第4张图片

生成BOX文件

打开命令行【cmd】并切换至zhiTong.font.exp0.tif所在目录,输入,生成文件名为zhiTong.font.exp0.box

tesseract zhiTong.font.exp0.tif zhiTong.font.exp0 batch.nochop makebox

【语法】:tesseract [lang].[fontname].exp[num].tif [lang].[fontname].exp[num] batch.nochop makebox

lang为语言名称,fontname为字体名称,num为序号;在tesseract中,一定要注意格式。

字符矫正

打开jTessBoxEditor,BOX Editor -> Open,打开zhiTong.font.exp0.tif;
【Python】【验证码识别】python 模拟登陆时,验证码自动识别问题_第5张图片

修改char对应位置的字符,修改完成后记得  【save】 保存

【Python】【验证码识别】python 模拟登陆时,验证码自动识别问题_第6张图片

在目标文件下【cmd】执行

echo font 0 0 0 0 0 >font_properties

自动生成 font_properties文件

【Python】【验证码识别】python 模拟登陆时,验证码自动识别问题_第7张图片

方法二:

直接在目标文件下,新建一个txt,命名为font_properties

在里边写内容:

font 0 0 0 0 0 

#【注意】最后一定txt的文件后缀名去掉,也就是去掉".txt"

批处理文件

在【cmd】下执行批处理程序,一定要在cmd下找到目标文件下运行该命令:

echo Run Tesseract for Training.. 
tesseract.exe zhiTong.font.exp0.tif zhiTong.font.exp0 nobatch box.train 

echo Compute the Character Set.. 
unicharset_extractor.exe zhiTong.font.exp0.box 
mftraining -F font_properties -U unicharset -O zhiTong.unicharset zhiTong.font.exp0.tr 


echo Clustering.. 
cntraining.exe zhiTong.font.exp0.tr 

echo Rename Files.. 
rename normproto zhiTong.normproto 
rename inttemp zhiTong.inttemp 
rename pffmtable zhiTong.pffmtable 
rename shapetable zhiTong.shapetable  

echo Create Tessdata.. 
combine_tessdata.exe zhiTong. 

成功后,生成如下文件:
【Python】【验证码识别】python 模拟登陆时,验证码自动识别问题_第8张图片

我们将zhiTong.traineddata拷贝到 C:\Program Files (x86)\Tesseract-OCR\tessdata(Tesseract-OCR安装位置 下的tessdata 下)
【Python】【验证码识别】python 模拟登陆时,验证码自动识别问题_第9张图片

我们在【Python】中调用识别库,识别验证码

【Python】【验证码识别】python 模拟登陆时,验证码自动识别问题_第10张图片

#一般我们网页识别验证码,是通过对网页验证码保存本地,然后在通过识别库,识别输出的
newImg = Image.open('C:/Users/Administrator/Desktop/pic/11.jpg')
text = pytesseract.image_to_string(newImg,lang='zhiTong')#lang='我们刚才新建的识别库'
print(text)
网页验证码处理:
def auto_img():
    driver.get_screenshot_as_file("D:/test2/智通图片/img.jpg") #对整个网页
    imgelement = driver.find_element_by_xpath('.//*[@id="captcha_image"]')  # 定位验证码
    location = imgelement.location  # 获取验证码x,y轴坐标
    size = imgelement.size  # 获取验证码的长宽
    rangle = (int(location['x'] + 10), int(location['y']), int(location['x'] + size['width'] - 20),
              int(location['y'] + size['height']))  # 写成我们需要截取的位置坐标
    i = Image.open("D:/test2/智通图片/img.jpg")  # 打开截图
    i = i.convert('RGB')
    frame4 = i.crop(rangle)  # 使用Image的crop函数,从截图中再次截取我们需要的区域
    frame4.save('D:/test2/智通图片/new.jpg')
    qq = Image.open('D:/test2/智通图片/new.jpg')
    #我开始对图片,做了二值化处理,可以忽略

    imgry = qq.convert('L')  # 图像加强,二值化
    sharpness = ImageEnhance.Contrast(imgry)  # 对比度增强
    sharp_img = sharpness.enhance(2.0)
    sharp_img.save("D:/test2/智通图片/new1.jpg")
    new2 = Image.open('D:/test2/智通图片/new1.jpg')

    return code

至此,我们就可以实现验证码识别,自动验证登录功能!

你可能感兴趣的:(python)