python识别验证码教程(Python3.5 + sklearn利用SVM自动识别字母验证码方法示例)
python识别验证码教程
Python3.5 + sklearn利用SVM自动识别字母验证码方法示例前言
最近正在研究人工智能,为了加深对算法的理解,决定写个自动设别验证码的程序。看了看网上的demo,大部分都是python2的写法,而且验证码的识别都是用的数字做例子,那我就写个基于python3字母识别的程序,不过一路写下来碰到不少坑,大家感兴趣的话可以慢慢看。
图片识别有几个比较大的步骤是必须完成的:
1、有大量的验证码图片作为样本
2、图片要进行处理 流程是:灰度化==》二值化==》字符切割==》识别分类
3、图像识别要提取特征值,然后把图片二值化的数据当做样本做训练,最后基于样本完成对新验证码的识别
一、大量验证码准备
因为要写字母识别,所以需要大量的字母验证码,正好之前做过某电商的项目,印象中是纯字母的查了下果然是的所以就用那个网站作为例子了。
获取验证码方法很简单,找到验证码动态生成的地址,
然后调用python的urllib.request获得图片然后保存就好了
二、图片的灰度化和二值化
其实为了增强识别率,我们将彩色的图片灰度化,
这样就变成了黑白两色,黑的是255白的是0,这样更容易让机器来识别。
灰度化和二值化之前、后的效果图
三、图片的分割
经过观察验证码可以发现,验证码是4位的字母,
同时验证码直接是有空白分隔的(后面的验证码有黏连的单独讲)
这里使用垂直投影法,根据投影进行图片的切割。这个算法讲起来太复杂,看代码吧。。。
效果如下,反正就是切成了4个图片
四、识别分类
这里因为图片太多了,要对每个图片分26个字母的哪一个太麻烦,所以借用google的tesseract这个ocr的软件,用它来帮我识别下图片是哪个字母(当然它识别的成功率不高,不然也不用人工智能了),然后识别错误的我再手动分类。
经过ocr识别和人工分类后,我的temp目录下就变成了这样的,每个目录下都是正确的字母图片
五、提取特征值
将字母的文件夹图片取出,提取特征值然后存储到文本文件里
六、机器训练
这里使用sklearn.svm这个支持向量机的算法,来对数据进行分类。
svm的算法是啥,可以看看知乎大神的讲解https://www.zhihu.com/question/21094489 ,
通过fit进行训练后,将训练的结果保存到pkl文件里,其实里面都是0和1的特征值
七、最后的验证就很简单了
找个验证码图片,调用之前的方法,变成二值化的数据,然后用svm进行识别,就能得到正确的结果了
八、滴水算法(解决黏连问题)
这个验证码也不是完全都有空格分割好的,可能是长这样的,字母直接黏在一起了
这样的字母为了分割出来,就要用滴水算法,模拟水滴重力下落的过程,自动切分图片。
可以看我的water.py文件里面是详细的算法。
讲讲碰到的坑
1、python3不能用opencv了,尤其是cv2.cv方法只是python2用的,不用他换个python写法一样可以实现
2、原始图片有蓝色边,刚开始老识别错误,后来发现问题后,要先进行切割,保证只有字母是有颜色的,其它区域是白色的。
这个是cutimg方法的作用
3、使用google的ocr时,使用了python的pytesseract,这个要先在电脑安装tesseract-ocr,然后要在程序里指定路径才行,
不然会报错误的。pytesseract.pytesseract.tesseract_cmd = 'e:/program files (x86)/tesseract-ocr/tesseract'
4、pytesseract.image_to_string(cur_img, config='-psm 7 outputbase letters')
这个letters是我自己创建的,位置在e:\program files (x86)\tesseract-ocr\tessdata\configs 这里的letters是用来
约束识别范围的,比如我设置tessedit_char_whitelist abcdefghijklmnopqrstuvwxyz
这就表示只识别字母,这样
就会把1,0之类的变成l和o了
最后附上github的源码地址 https://github.com/zjy090/verifycode
下次研究遗传算法ga的实现等写好了也写个demo分享给大家
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对开心学习网的支持。
原文链接:https://blog.csdn.net/zjy105/article/details/78499912
- python外部如何调嵌套函数(python中嵌套函数的实操步骤)
- python栈和队列(Python 实现数据结构中的栈队列)
- python改变字体颜色指令(使用Python自动化破解自定义字体混淆信息的方法实例)
- python3.7.2 详细安装教程(python3.5安装python3-tk详解)
- python发送微信消息脚本(python实现微信定时每天和女友发送消息)
- python代码添加微信号(python 获取微信好友列表的方法微信web)
- python完整异常机制(深入理解Python异常处理的哲学)
- python图片模板匹配(python实现简单图片物体标注工具)
- python操作mysql连接池(详解Python连接MySQL数据库的多种方式)
- python如何抓取公众号文章(python爬取微信公众号文章的方法)
- python3知识点汇总(Python3几个常见问题的处理方法)
- 怎么用python获取目录(python 获得任意路径下的文件及其根目录的方法)
- pythonweb和nodejs(Node与Python 双向通信的实现代码)
- python 常用模块函数(Python OOP类中的几种函数或方法总结)
- 怎么用python做随机矩阵(python实现杨氏矩阵查找)
- python定时推送邮件(python实现定时压缩指定文件夹发送邮件)
- 谢广坤,你这么欺负谢腾飞,良心不会痛吗(你这么欺负谢腾飞)
- 乡村爱情15 宋晓峰怀疑自己孩子,腾飞与姜奶奶亲子鉴定出结果(宋晓峰怀疑自己孩子)
- 《乡村爱情13》开播,新版刘能以假乱真,编剧思维进入瓶颈(新版刘能以假乱真)
- 当年的 白洋淀战神 练肌肉 嘎子哥也成为行走的荷尔蒙(当年的白洋淀战神)
- 肌肉小子陈康, 亚洲巨兽 黄哲勋,哪个才是你的菜(肌肉小子陈康亚洲巨兽)
- 新闻周刊 青岛网红 赵厂长 编段子一箩筐输出快乐,陪父亲十二载勇斗病魔(新闻周刊青岛网红)
热门推荐
- C# 文件压缩与解压
- 怎么调input搜索框边框颜色(使用placeholder属性设置input文本框的提示信息)
- 如何提升代码质量
- php制作用户登录(php实现登录页面的简单实例)
- centos中docker安装部署(三分钟完成 ubuntu16.04初始化,Java,maven,docker环境的部署问题)
- mysql开启审计日志会导致性能下降(MySQL 一则慢日志监控误报的问题分析与解决)
- php开发中用什么模板(PHP模版引擎原理、定义与用法实例)
- 织梦源码安装数据库怎么填(Mysql修改端口号 织梦DedeCMS设置教程)
- 小程序canvas不显示(小程序canvas中文字设置居中锚点)
- js回调函数原理(关于JavaScript回调函数的深入理解)
排行榜
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9