首先是安装,我参考的是这个 http://blog.csdn.net/xinghun_4/article/details/47860645
我是centos,使用yum
yum install python-devel libjpeg libjpeg-devel freetype freetype-devel zlib zlib-devel littlecms littlecms-devel libwebp libwebp-devel libfreetype libfreetype-devel giflib-devel automake libtool
tesseract安装包我下载的是3.0.4,安装的时候提示搭配的leptonica的版本必须是1.7.2以上,所以不能使用1.6.9的leptonica,这点要注意。
上一些央行征信征信的验证码例子,这是截图
可以看到,字迹是相当的工整,但是直接使用image_to_string这个方法几乎是不可能是别的,只有少数图片可以转换输出文字。
需要做点处理,找规律可以发现这些噪点都是一些暗淡的像素点,可以把他们去掉(就是转换成白色的)。
#!/root/miniconda3/envs/crcc/bin/python2.7#coding=utf-8 import pytesseractfrom PIL import Imageimport re threshold = 140table = [] name=‘test‘for i in range(256): if i < threshold: table.append(0) else: table.append(1) def pic2text(name): im=Image.open(name+‘.jpg‘) imgry = im.convert(‘L‘) #灰化 out = imgry.point(table,‘1‘) #二值化 out.save(name+‘b.jpg‘) # i = Image.open(name+‘b.jpg‘) # i.show() text= pytesseract.image_to_string(out) print text text2=re.sub(‘[^a-z0-9]‘,‘‘,text) return text2 if __name__=="__main__": print pic2text(‘pictures/150656820893‘)
这是pycharmm调用的是远程linux环境的截图,如果要在linxu直接执行./do_yzm.py,那就需要在代码第一行指明解释器路径,然后修改do_yzm.py的权限为可执行的权限.
实际识别率几乎达到了95%,效果还可以。如果错了再换个验证码登录就可以了。
这是原图
threshold这个值要设置合理,设置太大了,那些噪点全部变成黑色了。
设置小了也不行,虽然噪点都去掉了,但会把字母也弄残了。
这样就会识别不出来了。
这是设置140的结果
时间: 2024-08-10 17:19:35