opencv 验证码 识别

示例图片 ：  

主要应用原理为：1

1、先识别出图片中每个像素的数量   例如 红色在200左右

2、将红色的像素单独提出来  这样起到去除噪点的作用

3、分割图片并保存

4、识别图片

具体代码如下：

  1 # coding=utf-8
  2 # !/usr/bin/python
  3 """
  4 opencv 验证码识别
  5 Created on: 2018/7/31  16:12
  6 @author: 虫子慢慢爬
  7 Email: 891915210[email protected]
  8 """
  9 # -*- coding=GBK -*-
 10
 11 from PIL import Image
 12 import hashlib
 13 import time
 14
 15 im = Image.open("C:/Users/admin/Desktop/image/p.jpg")
 16
 17 # (将图片转换为8位像素模式)
 18
 19 im = im.convert("P")
 20
 21 # 打印颜色直方图
 22
 23 print(im.histogram())
 24 """颜色直方图的每一位数字都代表了在图片中含有对应位的颜色的像素的数量。
 25 ?? 每个像素点可表现256种颜色,你会发现白点是最多
 26    （白色序号255的位置,也就是最后一位,可以看到,有625个白色像素）。
 27    红像素在序号200左右,我们可以通过排序,得到有用的颜色。
 28 """
 29 his = im.histogram()
 30
 31 values = {}
 32
 33 for i in range(256):
 34     values[i] = his[i]
 35
 36 for j, k in sorted(values.items(), key=lambda x: x[1], reverse=True)[:10]:
 37     print(j, k)
 38 """
 39 我们得到了图片中最多的10种颜色,
 40 其中 220 与 227 才是我们需要的红色和灰色,
 41 可以通过这一讯息构造一种黑白二值图片
 42 """
 43 im2 = Image.new("P", im.size, 255)
 44
 45 for x in range(im.size[1]):
 46
 47     for y in range(im.size[0]):
 48         pix = im.getpixel((y, x))
 49         if pix == 225:  # these are the numbers to get
 50             im2.putpixel((y, x), 0)
 51
 52 im2.show()
 53 # time.sleep(3)
 54 """?接下来的工作是要得到单个字符的像素集合,由于例子比较简单,我们对其进行纵向切割:"""
 55
 56 inletter = False
 57
 58 foundletter = False
 59
 60 start = 0
 61
 62 end = 0
 63
 64 letters = []
 65
 66 for y in range(im2.size[0]):
 67
 68     for x in range(im2.size[1]):
 69         pix = im2.getpixel((y, x))
 70
 71         if pix != 255:
 72             inletter = True
 73
 74     if foundletter == False and inletter == True:
 75         foundletter = True
 76         start = y
 77
 78     if foundletter == True and inletter == False:
 79         foundletter = False
 80         end = y
 81         letters.append((start, end))
 82
 83     inletter = False
 84
 85 print(letters)
 86
 87 # [(6, 14), (15, 25), (27, 35), (37, 46), (48, 56), (57, 67)]
 88
 89 """??得到每个字符开始和结束的列序号。"""
 90
 91 count = 0
 92
 93 for letter in letters:
 94     m = hashlib.md5()
 95
 96     im3 = im2.crop((letter[0], 0, letter[1], im2.size[1]))
 97     ss1 = str(time.time()) + str(count)
 98     print(ss1)
 99     m.update(ss1.encode(‘utf-8‘))
100     # 对图片进行切割,得到每个字符所在的那部分图片。
101     im3.save("./%s.gif" % (m.hexdigest()))
102
103     count += 1
104     """
105 在这里我们使用向量空间搜索引擎来做字符识别,它具有很多优点:
106
107 不需要大量的训练迭代
108
109 不会训练过度
110
111 你可以随时加入／移除错误的数据查看效果
112
113 很容易理解和编写成代码
114
115 提供分级结果,你可以查看最接近的多个匹配
116
117 对于无法识别的东西只要加入到搜索引擎中,马上就能识别了。
118
119 ??当然它也有缺点,例如分类的速度比神经网络慢很多,它不能找到自己的方法解决问题等等。
120
121 ??向量空间搜索引擎名字听上去很高大上其实原理很简单。拿文章里的例子来说:
122
123 ??你有 3 篇文档,我们要怎么计算它们之间的相似度呢？两篇文档所使用的相同的单词越多,那这两篇文章就越相似!但是这单词太多怎么办,就由我们来选择几个关键单词,选择的单词又被称作特征,每一个特征就好比空间中的一个维度（x,y,z 等）,一组特征就是一个矢量,每一个文档我们都能得到这么一个矢量,只要计算矢量之间的夹角就能得到文章的相似度了。
124
125 ??用 Python 类实现向量空间:
126 """
127
128 import math
129
130
131 class VectorCompare:
132
133     # 计算矢量大小
134
135     def magnitude(self, concordance):
136
137         total = 0
138
139         for word, count in concordance.iteritems():
140             total += count ** 2
141
142         return math.sqrt(total)
143
144     # 计算矢量之间的 cos 值
145
146     def relation(self, concordance1, concordance2):
147
148         relevance = 0
149
150         topvalue = 0
151
152         for word, count in concordance1.iteritems():
153
154             if concordance2.has_key(word):
155                 topvalue += count * concordance2[word]
156
157         return topvalue / (self.magnitude(concordance1) * self.magnitude(concordance2))
158
159     # ??它会比较两个 python 字典类型并输出它们的相似度（用 0～1 的数字表示）
160
161     """
162     将之前的内容放在一起
163     ??还有取大量验证码提取单个字符图片作为训练集合的工作,但只要是有好好读上文的同学就一定知道这些工作要怎么做,在这里就略去了。可以直接使用提供的训练集合来进行下面的操作。
164
165     ??iconset目录下放的是我们的训练集。
166
167     ??最后追加的内容:
168
169     """
170
171     # 将图片转换为矢量
172
173     def buildvector(im):
174
175         d1 = {}
176
177         count = 0
178
179         for i in im.getdata():
180             d1[count] = i
181
182             count += 1
183
184         return d1
185
186
187 v = VectorCompare()
188
189 iconset = [‘0‘, ‘1‘, ‘2‘, ‘3‘, ‘4‘, ‘5‘, ‘6‘, ‘7‘, ‘8‘, ‘9‘, ‘0‘, ‘a‘, ‘b‘, ‘c‘, ‘d‘, ‘e‘, ‘f‘, ‘g‘, ‘h‘, ‘i‘, ‘j‘, ‘k‘,
190            ‘l‘, ‘m‘, ‘n‘, ‘o‘, ‘p‘, ‘q‘, ‘r‘, ‘s‘, ‘t‘, ‘u‘, ‘v‘, ‘w‘, ‘x‘, ‘y‘, ‘z‘]
191
192 import os
193
194 # 加载训练集
195
196 imageset = []
197
198 for letter in iconset:
199
200     for img in os.listdir(‘./iconset/%s/‘ % (letter)):
201
202         temp = []
203
204         if img != "Thumbs.db" and img != ".DS_Store":
205             temp.append(v.buildvector(Image.open("./iconset/%s/%s" % (letter, img))))
206
207             imageset.append({letter: temp})
208
209 count = 0
210
211 # 对验证码图片进行切割
212
213 for letter in letters:
214     m = hashlib.md5()
215
216     im3 = im2.crop((letter[0], 0, letter[1], im2.size[1]))
217
218     guess = []
219
220 # 将切割得到的验证码小片段与每个训练片段进行比较
221
222 for image in imageset:
223
224     for x, y in image.iteritems():
225
226         if len(y) != 0:
227             guess.append((v.relation(y[0], v.buildvector(im3)), x))
228
229         guess.sort(reverse=True)
230
231     print("", guess[0])
232
233     count += 1

希望对大家有帮助哦！！

原文地址：https://www.cnblogs.com/bianzhiwei/p/9397136.html