验证码识别（最简单之印刷体数字）

# -*- coding: utf-8 -*-  
import numpy
from PIL import Image

image = Image.open("5.gif")

heigh = image.size[0]
weigh = image.size[1]

checkbox = ([-1,0],[0,1],[1,0],[0,-1])

#降噪除去一个点
def clearpoint(im):
   for i in range(heigh):
       for j in range(weigh):
            if im.getpixel((i,j))==0:
                 result = 0
                 for count in range(4):
                     if im.getpixel((i+checkbox[count][0],j+checkbox[count][1])):result+=1
                 if result == 4:
                     im.putpixel((i,j),255)
   return im


box = numpy.array([0,0,13,20])
imagenumsit = []   #chun cun 5 ge shuzi
imagenumbit = []
imagedoublevalue = image.convert("1")
imagedoublevalue = clearpoint(imagedoublevalue)
resultnum = 0
for i in range(5):
    imagenum = imagedoublevalue.crop(box)
    imagenumsit.append(imagenum)
    box[0]=box[2]
    box[2]+=9

for i in range(5):
    w = imagenumsit[i].size[0]
    h = imagenumsit[i].size[1]
    vector = [0]*w
    imagenumbitsingle = numpy.tile(vector,(h,1))
    for x in range(h):
       for y in range(w):
           if imagenumsit[i].getpixel((y,x)) == 0:imagenumbitsingle[x][y]=1
    imagenumbit.append(imagenumbitsingle)

imagenumsit[1].show()
print imagenumbit[1]

 代码用来分隔图像并且把图像二值化，分别保存。

python代码实现记录：

• 对Pillow库的使用，基本图像操作。
• image.size[0]表示图像的像素高度，类似于矩阵的表示方式，image.size[1]为图像的长度。
• image.getpixel((i,j)) ，对于图像(i,j)坐标的像素取颜色值，因为这里已经做过二值化，所以黑色值为0，白色值为255，降噪函数用搜索，把单独（周围都是白色像素点）黑色像素点去除掉
• image.convert()，用于转换RGB图像，PIL中所有格式的图像open（）后都是RGB图像或者L图像（灰度图），共可以转化为九种模式图像：1，L，P，RGB，RGBA，CMYK，YCbCr，I，F

1. “1”：二值化图像，非黑即白，0表示黑，255表示白
2. “L”：灰度图像，0-255表示不同灰度，转换公式：L=R * 299/1000 + G * 587/1000+ B * 114/1000
3. “P”：8bit彩色图像
4. “RGBA”：32bit彩色图像，其中24bit通道表示红绿蓝，剩下8bit表示透明度（alpha），alpha默认值：255（完全不透明）
5. “CMYK”：32bit彩色图像，其中多出8bit来表示黑色油墨度，四种标准颜色是：C：Cyan = 青色，又称为‘天蓝色’或是‘湛蓝’M：Magenta = 品红色，又称为‘洋红色’；Y：Yellow = 黄色；K：Key Plate(blacK) = 定位套版色（黑色），K默认值：0
6. “YCbCr”：24bit彩色图像：Y是指亮度分量，Cb指蓝色色度分量，而Cr指红色色度分量，转换公式Y= 0.257*R+0.504*G+0.098*B+16；Cb = -0.148*R-0.291*G+0.439*B+128；Cr = 0.439*R-0.368*G-0.071*B+128，
7. “I”：32bit灰度图像，其中每个像素用0-255色度表示，转换公式：I = R * 299/1000 + G * 587/1000 + B * 114/1000
8. “F”：32bit浮点灰度图像，其中每个像素用0-255色度表示，转换公式：F = R * 299/1000+ G * 587/1000 + B * 114/1000

 

转载于:https://www.cnblogs.com/tiemuer/p/7875513.html