当前位置: 代码网 > it编程>前端脚本>Python > 使用Python和Tesseract实现验证码识别功能

使用Python和Tesseract实现验证码识别功能

2025年02月14日 Python 我要评论
一、验证码识别的背景与难点1.1 什么是验证码?验证码(captcha, completely automated public turing test to tell computers and h

一、验证码识别的背景与难点

1.1 什么是验证码?

验证码(captcha, completely automated public turing test to tell computers and humans apart)是一种区分用户是人类还是计算机程序的技术。常见的验证码类型包括:

  • 文本验证码:图片中包含扭曲或噪声干扰的字符。
  • 图片验证码:用户需要选择特定内容的图片。
  • 行为验证码:要求用户拖动滑块或完成特定任务。

1.2 验证码识别的应用场景

  1. 自动化测试:绕过验证码验证,以便进行完整的自动化测试。
  2. 数据采集:识别网页中的验证码,自动登录或提交表单。
  3. 辅助功能:为视障用户提供验证码读取功能。

1.3 验证码识别的挑战

  1. 图像噪声:许多验证码包含背景噪声、干扰线条或色块。
  2. 字符扭曲:为了增加识别难度,字符通常被扭曲或旋转。
  3. 字符连体:字符之间的分隔不明确,需要精确分割。

二、tesseract 简介

tesseract 是一个由 google 维护的开源 ocr 引擎,支持多种语言和字符识别。它可以通过 python 的 pytesseract 库调用,轻松实现文字识别功能。

2.1 tesseract 的主要特点

  • 多语言支持:tesseract 支持超过 100 种语言。
  • 易于扩展:支持自定义训练,适应特定场景的需求。
  • 开源免费:无需授权费用,适用于商业项目。

2.2 tesseract 的核心流程

  1. 图像预处理:将图像转化为适合 ocr 的格式。
  2. 文字区域检测:识别图像中的文字区域。
  3. 字符识别:将文字区域的像素转换为字符。
  4. 输出文本:生成最终的文字结果。

三、环境准备

在开始编码之前,需要完成以下环境的配置。

3.1 安装 tesseract

1. linux

sudo apt update
sudo apt install tesseract-ocr
sudo apt install libtesseract-dev

2. macos

通过 homebrew 安装:

brew install tesseract

3. windows

从 tesseract 官方 github 下载 windows 安装包,并配置环境变量。

3.2 安装 python 库

安装 pytesseract 和图像处理相关库:

pip install pytesseract pillow opencv-python

四、验证码识别的实现

4.1 读取并显示图片

我们将使用 pillow 和 opencv 库来加载和显示验证码图片。

from pil import image
import cv2
 
# 加载验证码图片
image_path = "captcha.png"
image = cv2.imread(image_path)
 
# 使用 opencv 显示图片
cv2.imshow("captcha", image)
cv2.waitkey(0)
cv2.destroyallwindows()

4.2 图像预处理

为了提高识别率,我们需要对验证码图片进行预处理,包括灰度化、二值化和噪声去除。

1. 转灰度图像

灰度化将彩色 图片转换为黑白图片,简化处理。

gray = cv2.cvtcolor(image, cv2.color_bgr2gray)
cv2.imshow("gray image", gray)
cv2.waitkey(0)
cv2.destroyallwindows()

2. 二值化

二值化通过阈值将图片转换为黑白两色,突出文字部分。

_, binary = cv2.threshold(gray, 127, 255, cv2.thresh_binary)
cv2.imshow("binary image", binary)
cv2.waitkey(0)
cv2.destroyallwindows()

3. 去噪声

使用形态学操作(如开运算)去除图片中的干扰点。

kernel = cv2.getstructuringelement(cv2.morph_rect, (3, 3))
denoised = cv2.morphologyex(binary, cv2.morph_open, kernel)
cv2.imshow("denoised image", denoised)
cv2.waitkey(0)
cv2.destroyallwindows()

4.3 调用 tesseract 进行识别

使用 pytesseract 调用 tesseract 识别处理后的验证码图片。

import pytesseract
from pil import image
 
# 将处理后的图片保存为临时文件
cv2.imwrite("processed_captcha.png", denoised)
 
# 使用 pytesseract 识别
text = pytesseract.image_to_string("processed_captcha.png", config="--psm 6")
print(f"识别结果: {text}")

五、优化识别效果

5.1 调整 tesseract 参数

通过修改 tesseract 的 --psm 参数,可以改变文字布局分析模式,例如:

  • --psm 6:假设为一个块的文字。
  • --psm 7:将图像作为一行文字处理。

5.2 设置白名单字符

如果验证码的字符范围已知,可以设置白名单,提高识别准确率。

custom_config = r'--oem 3 --psm 6 -c tessedit_char_whitelist=0123456789abcdefghijklmnopqrstuvwxyz'
text = pytesseract.image_to_string("processed_captcha.png", config=custom_config)
print(f"识别结果: {text}")

5.3 自定义训练模型

如果验证码的字符样式特殊,可以通过 tesseract 的训练工具定制模型,以提升识别率。

六、完整代码示例

以下是整合图像预处理和验证码识别的完整代码:

import cv2
import pytesseract
 
# 加载图片
image_path = "captcha.png"
image = cv2.imread(image_path)
 
# 转为灰度图像
gray = cv2.cvtcolor(image, cv2.color_bgr2gray)
 
# 二值化处理
_, binary = cv2.threshold(gray, 127, 255, cv2.thresh_binary)
 
# 去除噪声
kernel = cv2.getstructuringelement(cv2.morph_rect, (3, 3))
denoised = cv2.morphologyex(binary, cv2.morph_open, kernel)
 
# 保存预处理后的图片
cv2.imwrite("processed_captcha.png", denoised)
 
# 使用 pytesseract 进行文字识别
custom_config = r'--oem 3 --psm 6 -c tessedit_char_whitelist=0123456789abcdefghijklmnopqrstuvwxyz'
text = pytesseract.image_to_string("processed_captcha.png", config=custom_config)
 
# 输出识别结果
print(f"识别结果: {text}")
 
# 显示处理后的图片
cv2.imshow("processed image", denoised)
cv2.waitkey(0)
cv2.destroyallwindows()

七、总结

通过本文的介绍,我们学习了如何使用 python 和 tesseract 实现验证码识别,并通过图像预处理和参数优化提高识别率。在实际项目中,结合深度学习模型可以进一步提升复杂验证码的识别效果。

以上就是使用python和tesseract实现验证码识别功能的详细内容,更多关于python tesseract验证码识别的资料请关注代码网其它相关文章!

(0)

相关文章:

版权声明:本文内容由互联网用户贡献,该文观点仅代表作者本人。本站仅提供信息存储服务,不拥有所有权,不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 2386932994@qq.com 举报,一经查实将立刻删除。

发表评论

验证码:
Copyright © 2017-2025  代码网 保留所有权利. 粤ICP备2024248653号
站长QQ:2386932994 | 联系邮箱:2386932994@qq.com