您好,登录后才能下订单哦!
本篇内容主要讲解“爬虫Python怎么识别验证码”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“爬虫Python怎么识别验证码”吧!
爬虫Python验证码识别
1、批量下载验证码图片
2、识别代码看看效果
3、折腾降噪、去干扰
前言:
二值化、普通降噪、8邻域降噪
tesseract、tesserocr、PIL
import shutil import requests from loguru import logger for i in range(100): url = 'http://xxxx/create/validate/image' response = requests.get(url, stream=True) with open(f'./imgs/{i}.png', 'wb') as out_file: response.raw.decode_content = True shutil.copyfileobj(response.raw, out_file) logger.info(f"download {i}.png successfully.") del response
from PIL import Image import tesserocr img = Image.open("./imgs/98.png") img.show() img_l = img.convert("L")# 灰阶图 img_l.show() verify_code1 = tesserocr.image_to_text(img) verify_code2 = tesserocr.image_to_text(img_l) print(f"verify_code1:{verify_code1}") print(f"verify_code2:{verify_code2}")
毫无疑问,无论是原图还是灰阶图,一无所有。
Python图片验证码降噪 - 8邻域降噪
from PIL import Image # https://www.cnblogs.com/jhao/p/10345853.html Python图片验证码降噪 — 8邻域降噪 def noise_remove_pil(image_name, k): """ 8邻域降噪 Args: image_name: 图片文件命名 k: 判断阈值 Returns: """ def calculate_noise_count(img_obj, w, h): """ 计算邻域非白色的个数 Args: img_obj: img obj w: width h: height Returns: count (int) """ count = 0 width, height = img_obj.size for _w_ in [w - 1, w, w + 1]: for _h_ in [h - 1, h, h + 1]: if _w_ > width - 1: continue if _h_ > height - 1: continue if _w_ == w and _h_ == h: continue if img_obj.getpixel((_w_, _h_)) < 230: # 这里因为是灰度图像,设置小于230为非白色 count += 1 return count img = Image.open(image_name) # 灰度 gray_img = img.convert('L') w, h = gray_img.size for _w in range(w): for _h in range(h): if _w == 0 or _h == 0: gray_img.putpixel((_w, _h), 255) continue # 计算邻域非白色的个数 pixel = gray_img.getpixel((_w, _h)) if pixel == 255: continue if calculate_noise_count(gray_img, _w, _h) < k: gray_img.putpixel((_w, _h), 255) return gray_img if __name__ == '__main__': image = noise_remove_pil("./imgs/1.png", 4) image.show()
看下图效果:
这样差不多了,不过还可以提升
提升新思路:
这边的干扰线是从某个点发出来的红色线条,
其实我只需要把红色的像素点都干掉,这个线条也会被去掉。
from PIL import Image import tesserocr img = Image.open("./imgs/98.png") img.show() # 尝试去掉红像素点 w, h = img.size for _w in range(w): for _h in range(h): o_pixel = img.getpixel((_w, _h)) if o_pixel == (255, 0, 0): img.putpixel((_w, _h), (255, 255, 255)) img.show() img_l = img.convert("L") # img_l.show() verify_code1 = tesserocr.image_to_text(img) verify_code2 = tesserocr.image_to_text(img_l) print(f"verify_code1:{verify_code1}") print(f"verify_code2:{verify_code2}")
看起来OK,上面还有零星的蓝色像素掉,也可以用同样的方法一起去掉。
甚至OCR都直接出效果了
好了,完结撒花。
不过,后面发现,有些红色线段和蓝色点,是和验证码重合的。
这个时候,如果直接填成白色,就容易把字母切开,导致识别效果变差。
当前点是红色或者蓝色,判断周围点是不是超过两个像素点是黑色。
是,填充为黑色。
否,填充成白色。
最终完整代码:
from PIL import Image import tesserocr from loguru import logger class VerfyCodeOCR(): def __init__(self) -> None: pass def ocr(self, img): """ 验证码OCR Args: img (img): imgObject/imgPath Returns: [string]: 识别结果 """ img_obj = Image.open(img) if type(img) == str else img self._remove_pil(img_obj) verify_code = tesserocr.image_to_text(img_obj) return verify_code.replace("\n", "").strip() def _get_p_black_count(self, img: Image, _w: int, _h: int): """ 获取当前位置周围像素点中黑色元素的个数 Args: img (img): 图像信息 _w (int): w坐标 _h (int): h坐标 Returns: int: 个数 """ w, h = img.size p_round_items = [] # 超过了横纵坐标 if _w == 0 or _w == w-1 or 0 == _h or _h == h-1: return 0 p_round_items = [img.getpixel( (_w, _h-1)), img.getpixel((_w, _h+1)), img.getpixel((_w-1, _h)), img.getpixel((_w+1, _h))] p_black_count = 0 for p_item in p_round_items: if p_item == (0, 0, 0): p_black_count = p_black_count+1 return p_black_count def _remove_pil(self, img: Image): """清理干扰识别的线条和噪点 Args: img (img): 图像对象 Returns: [img]: 被清理过的图像对象 """ w, h = img.size for _w in range(w): for _h in range(h): o_pixel = img.getpixel((_w, _h)) # 当前像素点是红色(线段) 或者 绿色(噪点) if o_pixel == (255, 0, 0) or o_pixel == (0, 0, 255): # 周围黑色数量大于2,则把当前像素点填成黑色;否则用白色覆盖 p_black_count = self._get_p_black_count(img, _w, _h) if p_black_count >= 2: img.putpixel((_w, _h), (0, 0, 0)) else: img.putpixel((_w, _h), (255, 255, 255)) logger.info(f"_remove_pil finish.") # img.show() return img if __name__ == '__main__': verfyCodeOCR = VerfyCodeOCR() img_path = "./imgs/51.png" img= Image.open(img_path) img.show() ocr_result = verfyCodeOCR.ocr(img) img.show() logger.info(ocr_result)
到此,相信大家对“爬虫Python怎么识别验证码”有了更深的了解,不妨来实际操作一番吧!这里是亿速云网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。