Python验证码识别处理实例

一、准备工作与代码实例
(1)安装PIL：下载后是一个exe，直接双击安装，它会自动安装到C:\Python27\Lib\site-packages中去，
(2)pytesser：下载解压后直接放C:\Python27\Lib\site-packages(根据你安装的Python路径而不同)，同时，新建一个pytheeer.pth,内容就写pytesser，注意这里的内容一定要和pytesser这个文件夹同名，意思就是pytesser文件夹，pytesser.pth,及内容都要一样！
(3)Tesseract OCR engine下载：下载后解压，tessdata文件夹，用其替换掉pytesser解压后的tessdata文件夹即可。

二、验证
（1）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：

（3）、简单的命令：

from pytesser import * 
image = Image.open('1.jpg') # Open image object using PIL 
print image_to_string(image)  # Run tesseract.exe on image 

然后运行：

或者直接：

print image_file_to_string('fnord.tif') 

同样能输出结果！
（4）、复杂一点的
上面的只能对一些比较简单的做处理，一
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 pytesser import * 
# 二值化 
threshold = 140 
table = [] 
for i in range(256): 
 if i 

运行后效果：



以上就是本文的全部内容，希望对大家的学习有所帮助。