使用Python基于OpenCV的验证码识别

使用Python基于OpenCV的验证码识别

Blog：（Verification_Code_Identification）

步骤：

（1）获取批量验证码图片（利用某高校登录页面的验证码图片）

（2）为验证码图片做信息标注（手动标记，要确保百分百正确）

（3）利用Tesseract-OCR对验证码图片进行识别并测试识别效果

一、爬取某高校页面的验证码图片100张

打开网址：.servlet，可以看到其验证码图片，且每刷新一次就会产生新的验证码图片

# 使用代理不断访问该网址获取验证码图片，并保存为png格式文件
from urllib import request
import time
import randomdef get_and_save_verify(i):try:url = '.servlet'request.urlretrieve(url, './verify_pictures/' + 'verify_' + str(i) + '.png')print('第' + str(i) + '张图片下载成功')except Exception:print('第' + str(i) + '张图片下载失败')def get_proxy(): # 使用代理步骤# - 1、设置代理地址proxys = [{'http': '39.137.69.10:8080'},{'http': '111.206.6.101:80'},{'http': '120.210.219.101:8080'},{'http': '111.206.6.101:80'},{'https': '120.237.156.43:8088'}]# - 2、创建ProxyHandlerproxy = random.choice(proxys)proxy_handler = request.ProxyHandler(proxy)  # - 3、创建Openeropener = request.build_opener(proxy_handler) # - 4、导入Openerrequest.install_opener(opener)if __name__ == '__main__':for i in range(1, 101):get_proxy()time.sleep(random.randint(1, 4))get_and_save_verify(i)

二、对验证码图片手动信息标注

将图片上的验证信息，加入至图片的名称内

三、基于Tesseract-OCR识别验证码并评估准确率

1）降噪处理

分别用高斯滤波、中值滤波和双边滤波对图像进行降噪处理（不断调整参数，确定出对应方法的最优参数） - 利用双边滤波函数进行的处理效果较好

# 对数据的处理
blur = cv2.GaussianBlur(img, (3, 3), 0)  # 高斯滤波函数
blur = dianBlur(img, 3)  # 中值滤波函数
blur = cv2.bilateralFilter(img, 3, 560, 560)  # 双边滤波函数

2）数据清洗

对识别结果进行数据清洗，将会提高识别的准确率

（1）验证码中的信息是由字母和数字组成，不存在特殊字符，由于图片中含有部分噪音，导致识别出现较大误差，如果去除识别结果中的特殊字符，只保留数字和字母，识别的效果会在一定程度上改进

（2）真实数据都是只占四个位置，所以，可以在第一条的基础上，对字符的数量进行限制，设置为小于等于4

（3）真实数据中不存在大写字母，将识别结果一律转换为小写

# 对结果的处理
st = re.sub(r'[^A-Za-z0-9]+', '', a)
st = st.lower()
if len(st) > 4:b = st[-4:]
else:b = st

3）识别&评估

将图像的识别结果与藏在图片文件名中的标签进行比对，测试识别的准确率

import pytesseract
import cv2
import os
import numpy as np
import repath = './verify_pictures/'file_name = []
for k in os.walk(path):file_name = k[-1]print('识别值' + '-----' + '真实值')
num = 0
for i in file_name:img = cv2.imdecode(np.fromfile(path + i, dtype=np.uint8), 1)# 对数据的处理blur = cv2.bilateralFilter(img, 3, 560, 560)  # 双边滤波函数a = pytesseract.image_to_string(blur)# 对结果的处理st = re.sub(r'[^A-Za-z0-9]+', '', a)st = st.lower()if len(st) > 4:b = st[-4:]else:b = sttrue_value = i[-8:-4]print(b + '-----' + true_value)if a == true_value:num += 1print('识别的准确率为：' + str(num / 31))

识别值-----真实值
vxz2-----vxz2
zvil-----zv11
-----x1zz
3b3m-----3b3m
-----nvnz
venx-----vcmx
x32n-----x32n
vc3c-----vc3c
2zzz-----2zzz
bz11-----bz11
b13m-----b13m
-----nx1z
ncx1-----ncx1
ninz-----xnnz
nxve-----nxvc
lyiz-----1v1z
3nvv-----3nvv
-----xzcn
xxzb-----xxzb
ninn-----n1nn
viv2-----v1v2
xlbn-----x1bn
3z12-----3z12
nnev-----nncv
cz3m-----cz3m
inx1-----1mx1
zx3c-----zx3c
2vbn-----2vbn
nxn-----nxxn
nvwn-----1mvn
z31z-----z31z
识别的准确率为：0.2903225806451613

转载于:.html