(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</span>
sudo pip install pytesseract
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