使用tesserocr二值化识别知网登录验证码

• 随机获取了知网登录界面的三个图片验证码，测试 tesserocr 识别验证码的准确度

• 编写代码，先测试pic1

import tesserocr    # 导入tesserocr模块
from PIL import Image  # 导入图像处理模块

img = Image.open('pic1.png')
code_result = tesserocr.image_to_text(img)
print('识别结果：', code_result)

• pic1识别结果：PEHK.
  
• 由于验证码图片中带有很多干扰线条，导致识别结果不准确（后面多一个点).
• 接下来，进行图片灰度测试看看能不能解决问题

import tesserocr    # 导入tesserocr模块
from PIL import Image  # 导入图像处理模块

img = Image.open('pic1.png')
lim = img.convert('L')    # 图片灰度化
img.show()   # 打印图片
code_result = tesserocr.image_to_text(lim)
print('识别结果：', code_result)

• 测试结果：PEHK. 还是有个点
  
• 继续进行图片二值化

import tesserocr    # 导入tesserocr模块
from PIL import Image  # 导入图像处理模块
img = Image.open('pic1.png')
width = img.size[0]
lim = img.convert('L')    # 图片灰度化
# img.show()   # 打印图片

threshold = 155    # 设置阈值
data = []   # 定义一个空列表，接收二值化数据
for i in range(0, 256):
    if i < threshold:
        data.append(0)
    else:
        data.append(1)

bim = lim.point(data,'1') # 图片二值化
bim.show()  # 打印二值化后的图片
code_result = tesserocr.image_to_text(bim)
print('识别结果：', code_result)

• 二值化结果：成功识别到验证码 【PEHK】

• 经过测试，pic2 以及 pic3 在二值化后都可以识别出来，如果二值化后还无法精确识别，则需要调整二值化阈值（threshold = 155）。关于图像二值化，参考

-遇到的【问题1】：tessdata路径报错

• 解决: tessdata的路径出错，找到tesseract安装路径，把tessdata文件夹复制一份到anaconda路径下面，例如：C:\ProgramData\Anaconda3\tessdata

-遇到的【问题2】：安装tesserocr模块失败

• 解决：参考我的另一篇博客（https://editor.csdn.net/md/?articleId=123265184）