文章目錄

• 一、認識驗證碼
• • 1.1、概念
  • 1.2、作用
  • 1.3、類別
• 二、Pillow庫
• • 2.1、PIL庫和Pillow庫
  • • 2.1.1、Pillow庫安裝
    • 2.1.2、PIL與Pillow使用注意
  • 2.2、圖形基本概念
  • • 2.2.1、尺寸
    • 2.2.2、坐標系統
    • 2.2.3、通道
  • 2.3、圖像獲取
  • 2.4、獲取圖像通道
• 三、簡單驗證碼處理
• • 3.1、灰度化
  • • 3.1.1、最大值法
    • 3.1.2、平均值法
  • 3.2、二值化
  • 3.3、降噪
• 四、Tesseract識別
• • 4.1、OCR識別概念
  • 4.2、Tesseract-OCR
  • 4.3、Pytesser3

一、認識驗證碼

1.1、概念

驗證碼（CAPTCHA）是“Completely Automated Public Turing test to tell Computers and Humans Apart”（全自動區分計算機和人類的圖靈測試）的縮寫，是一種用來區分用戶是計算機還是人的公共全自動程序。

---

1.2、作用

認證碼是一種人機識別手段，最終目的是區分正常用戶和機器的操作。

可以防止：惡意破解密碼、注冊、刷票、論壇灌水，防止黑客對用戶的密碼進行暴力破解。

一般是提出一個問題，這個問題可以由計算機生成并評判，但是必須只有人類才能解答。由于計算機無法解答這個的問題，所以回答出問題的用戶就可以被認為是人類。

---

1.3、類別

圖形驗證碼：

這類驗證碼大多是計算機隨機產生一個字符串，在把字符串增加噪點、干擾線、變形、重疊、不同顏色、扭曲組成一張圖片來增加識別難度。

滑動驗證碼：

也叫行為驗證碼，比較流行的一種驗證碼，通過用戶的操作行為來完成驗證，其中最出名的就是極驗。滑動驗證碼的原理就是使用機器學習中的深度學習技術，根據一些特征來區分是否為正常用戶。通過記錄用戶的滑動速度，還有每一小段時間的瞬時速度，用戶鼠標點擊情況，以及滑動后的匹配程度來識別。而且，不是說滑動到正確位置就是驗證通過，而是根據特征識別來區分是否為真用戶，滑到正確位置只是一個必要條件。

點觸驗證碼：

點擊類驗證碼都是給出一張包含文字的圖片，通過文字提醒用戶點擊圖中相同字的位置進行驗證。

---

二、Pillow庫

2.1、PIL庫和Pillow庫

PIL庫

PIL (Python Image Library) 已經算是 Python 處理圖片的標準庫了，兼具強大的功能和簡潔的 API，但是PIL庫的更新非常緩慢， 并且它只支持到python2.7，不支python3。

Pillow庫

由于PIL庫更新太慢了，于是一群志愿者在PIL庫的基礎上創建的分支版本，命名為Pillow.
Pillow目前最新支持到python3.6，它的維護和開發十分活躍，兼容PIL庫的絕大多數語法，并且增加了許多新的特性，推薦直接使用Pillow

---

2.1.1、Pillow庫安裝

命令：

pip install pillow

---

2.1.2、PIL與Pillow使用注意

Pillow和PIL不能共存在一個環境中，如果你之前安裝了PIL的話，需要刪除掉才能在安裝Pillow
由于是繼承自PIL的分支， 所以Pillow庫的導入是這樣的：

Import PIL

---

2.2、圖形基本概念

2.2.1、尺寸

圖片尺寸（size）指的是圖片的寬度和高度，通過size屬性可以獲取圖片的尺寸，它的返回值是一個元組，元組里面有兩個值，分別是水平和垂直方向上的像素個數。

代碼示例：

from PIL import Image img = Image.open('xxx.png') #參數：圖片位置 print(img.size) #(xxx,xxx)

---

2.2.2、坐標系統

使用笛卡爾像素坐標系，x軸從左到右，y軸從上到下增長

---

2.2.3、通道

圖片均是由一個或者多個數據通道構成。

RGB圖像：每張圖片都是由三個數據通道疊加構成，分別為R 、G 、B。

PNG圖像：有RGBA四個通道，A代表透明度。

灰度圖像(沒有色彩的圖片， RGB色彩分量全部相等)：只有一個通道。

灰度指的是黑白圖像中點的顏色深度，范圍一般是0到255， 白色為255，黑色為0。

---

2.3、圖像獲取

從文件中加載圖像

例：

from PIL import Image img = Image.open('dog2.png') #open參數: 圖片的位置

創建一個新的圖像

例：

img =Image.new("RGB",(200,100),"red")

注意：這里的最后一個參數可以用ImageColor里面的colormap來獲得更多初始化的顏色。

切割圖片

函數：

Image.crop(left, up, right, below)

參數：
① left：與左邊界的距離
② up：與上邊界的距離
③ right：還是與左邊界的距離
④ below：還是與上邊界的距離

例：

from PIL import Imageimg = Image.open('dog2.png') w,h = img.size# 準備將圖片切割成9張小圖片 weight = int(w // 3) height = int(h // 3) # 切割后的小圖的寬度和高度 print(weight, height)for j in range(3):for i in range(3):box = (weight * i, height * j, weight * (i + 1), height * (j + 1))region = img.crop(box)region.save('imgs/{}{}.png'.format(j, i))

結果：

---

2.4、獲取圖像通道

函數：getbands()

例：

from PIL import Imageimg = Image.open('dog2.png') print(img.getbands()) # ('R', 'G', 'B')

---

三、簡單驗證碼處理

3.1、灰度化

灰度圖像上每個像素的顏色值又稱為灰度，指黑白圖像中點的顏色深度，范圍一般從0到255，白色為255，黑色為0。所謂灰度值是指色彩的濃淡程度，灰度直方圖是指一幅數字圖像中，對應每一個灰度值統計出具有該灰度值的象素數。

灰度就是沒有色彩，RGB色彩分量全部相等。如果是一個二值灰度圖象，它的象素值只能為0或1，我們說它的灰度級為2。用個例子來說明吧：一個256級灰度的圖象，如果RGB三個量相同時，如：RGB(100,100,100)就代表灰度為100，RGB(50,50,50)代表灰度為50。

現在大部分的彩色圖像都是采用RGB顏色模式，處理圖像的時候，要分別對RGB三種分量進行處理，實際上RGB并不能反映圖像的形態特征，只是從光學的原理上進行顏色的調配。

圖像灰度化處理可以作為圖像處理的預處理步驟，為之后的圖像分割、圖像識別和圖像分析等上層操作做準備。

目的: 為二值化做準備

彩色變黑白，三通道變成一個通道

圖片的灰度化，就是讓像素點矩陣中的每一個像素點滿足 R=G=B，此時這個值叫做灰度值，白色為255，黑色為0

灰度轉化一般公式為：

R=G=B = 處理前的 RX0.3 + GX0.59 + B*0.11

這種灰度轉化方法被稱為加權平均法。

根據重要性及其它指標，將三個分量以不同的權值進行加權平均。由于人眼對綠色的敏感最高，對藍色敏感最低，因此，對RGB三分量進行加權平均能得到較合理的灰度圖像。除了這種灰度轉化方法另外還有兩種方法，大家稍作了解：

3.1.1、最大值法

將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。

3.1.2、平均值法

將彩色圖像中的三分量亮度求平均得到一個灰度值。

函數：im = img.convert('L')

例：

from PIL import Imageimg = Image.open('code.jpeg') img.show() im = img.convert('L') #轉為灰度圖 print(im.getbands()) #('L',) im.show()

結果 (左:原圖，右:灰度圖)：

---

3.2、二值化

圖像的二值化，就是將圖像的像素點矩陣中的每個像素點的灰度值設置為0（黑色）或255（白色），從而實現二值化，將整個圖像呈現出明顯的只有黑和白的視覺效果。

二值化原理是利用設定的一個閾值來判斷圖像像素是0還是255， 一般小于閾值的像素點變為0， 大于的變成255，這個臨界灰度值就被稱為閾值，閾值的設置很重要，閾值過大或過小都會對圖片造成損壞，選擇閾值的原則是：既要盡可能保存圖片信息，又要盡可能減少背景和噪聲的干擾。

常用閾值選擇的方法是：

• 灰度平均值值法： 取127 （0~255的中數， (0+255)/2 = 127）
• 平均值法：
  計算像素點矩陣中的所有像素點的灰度值的平均值avg
• 迭代法：
  選擇一個近似閾值作為估計值的初始值（比如全圖像的平均灰度），然后進行分割圖像，產生兩組像素，一組大于初始灰度值，另一組小于初始灰度值，根據產生的子圖像的特征來選取新的閾值，在利用新的閾值分割圖像，經過多次循環，使得錯誤分割的圖像像素點降到最小。

代碼(迭代法)：

def ImgBinaryzation(img_gray): #灰度圖二值化 傳入的圖片為灰度圖w,h=img_gray.sizetemp = 0for i in range(w):for j in range(h):temp += img_gray.getpixel((i,j))# 閾值avg_pixel = temp /(i*j)#像素點和閾值比較for x in range(w):for y in range(h):img_pixel = img_gray.getpixel((x,y))if img_pixel < avg_pixel: #小于像素點 像素點設為0img_gray.putpixel((x,y),0)else: #不小于像素點 像素點設為255img_gray.putpixel((x,y),255) return img_gray

示例：

from PIL import Imageimg = Image.open('code.jpeg') img_gray = img.convert('L')def ImgBinaryzation(img_gray): #灰度圖二值化w,h=img_gray.sizetemp = 0for i in range(w):for j in range(h):temp += img_gray.getpixel((i,j))# 閾值 如果二值化效果不好，可以再根據結果乘以百分比avg_pixel = temp /(i*j)#像素點和閾值比較for x in range(w):for y in range(h):img_pixel = img_gray.getpixel((x,y))if img_pixel < avg_pixel: #小于像素點 像素點設為0img_gray.putpixel((x,y),0)else: #不小于像素點 像素點設為255img_gray.putpixel((x,y),255) return img_graypic = img_binaryzation(img_gray) pic.show()

結果 (左:原圖，右:二值化結果)：

---

3.3、降噪

目的：清除干擾點，讓圖片更清晰，讓計算機更利于識別。

降噪原理：

孤立的噪點，他的周圍應該都是白色，或者大多數點都是白色的，所以在判斷的時候條件應該放寬，一個點是黑色并且相鄰的點為白色的點的個數大于一個固定的值，那么這個點就是噪點。

注：這里只是比較簡單的講一下最基本的圖像降噪原理，實際上對圖像的降噪有很多種，比如高斯濾波、統計中值濾波、雙邊濾波等等，這些就要涉及比較深入的圖像處理了。

代碼：

def GetPointList(x,y,prange): #獲取像素點周圍的坐標for i in range(x-prange,x+prange+1):for j in range(y-prange,y+prange+1):if x==i and y == j:continueyield i,jdef reduceNoise(img_binary): #二值化后再進行降噪w,h = img_binary.sizeprange = 3 #到邊界的范圍 自己根據降噪效果進行調試bound_rate = 0.14 #設置邊界比例 自己根據降噪效果進行調試count_rate = 0.56 #設置像素點周圍灰度值為255的比例 自己根據降噪效果進行調試for i in range(w):for j in range(h):# 處理邊界 變白if i<bound_rate*w or i>w*(1 - bound_rate) or j<bound_rate*h or j>h*(1 - bound_rate):img_binary.putpixel((i,j),255)continueimg_pixel = img_binary.getpixel((i,j))if img_pixel < 200: #二值圖像素點只有0和255，隨便取個中間的值就行count = 0for x,y in GetPointList(i,j,prange):if img_binary.getpixel((x,y)) >200: #計算該像素點周圍灰度值為255的個數count += 1if count > count_rate * ((prange*2+1)**2 - 2): #像素點周圍灰度值為255的個數是否超過一定比例來判斷是否是噪點img_binary.putpixel((i,j),255)return img_binary

示例：

from PIL import Imageimg = Image.open('code.jpeg') img_gray = img.convert('L')def ImgBinaryzation(img_gray): #灰度圖二值化w,h=img_gray.sizetemp = 0for i in range(w):for j in range(h):temp += img_gray.getpixel((i,j))# 閾值avg_pixel = temp /(i*j)#像素點和閾值比較for x in range(w):for y in range(h):img_pixel = img_gray.getpixel((x,y))if img_pixel < avg_pixel: #小于像素點 像素點設為0img_gray.putpixel((x,y),0)else: #不小于像素點 像素點設為255img_gray.putpixel((x,y),255)return img_graydef GetPointList(x,y,prange): #獲取像素點周圍的坐標for i in range(x-prange,x+prange+1):for j in range(y-prange,y+prange+1):if x==i and y == j:continueyield i,jdef reduceNoise(img_binary): #二值化后再進行降噪w,h = img_binary.sizeprange = 3 #到邊界的范圍 自己根據降噪效果進行調試bound_rate = 0.14 #設置邊界比例 自己根據降噪效果進行調試count_rate = 0.56 #設置像素點周圍灰度值為255的比例 自己根據降噪效果進行調試for i in range(w):for j in range(h):img_pixel = img_binary.getpixel((i,j))if img_pixel < 200: #二值圖像素點只有0和255，隨便取個中間的值就行count = 0for x,y in GetPointList(i,j,prange):if img_binary.getpixel((x,y)) >200: #計算該像素點周圍灰度值為255的個數count += 1if count > count_rate * ((prange*2+1)**2 - 2): #像素點周圍灰度值為255的個數是否超過一定比例來判斷是否是噪點img_binary.putpixel((i,j),255)return img_binarypic = ImgBinaryzation(img_gray.copy()) for i in range(2): #可能第一遍降噪效果不大會，進行多次處理pic = reduceNoise(pic.copy())pic.show()

結果 (左:原圖，右:降噪結果)：

---

四、Tesseract識別

4.1、OCR識別概念

OCR （Optical Character Recognition）光學字符識別， 指的是對文本資料的圖像文件進行分析識別處理，獲取文集及版面信息的過程

---

4.2、Tesseract-OCR

一個開源的字符識別引擎，我們可以用他來識別一些簡單的驗證碼。

Windows下安裝：

https://digi.bib.uni-mannheim.de/tesseract/ 可自行下載,點擊下一步即可;

Linux安裝：

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

Mac安裝：

brew install tesseract

---

4.3、Pytesser3

是一個在Python內使用Tesseract-Ocr的庫，

Pytesseract文檔：https://pypi.org/project/pytesseract/

安裝：pip install Pytesseract

需要配置:

方法一：將pytesseract包下面__init__文件內tesseract_exe_name的值設置為你的tesseract.exe的路徑。

方法二：在代碼中指定

pytesseract.pytesseract.tesseract_cmd = r'X:\xxx\tesseract.exe'

示例：

import pytesseract from PIL import Imagepic = Image.open('reduceNoise.png') #圖片為上面降噪結果圖 print(pytesseract.image_to_string(pic)) # 結果：7364

注意：
Pytesseract識別效果不佳，如果想提高識別率，可以使用jTessBoxEditor對Tesseract進行簡單的訓練。OCR是一個專門的圖像處理的領域，高精度的識別需要依靠深度學習、神經網絡等技術。

總結

以上是生活随笔為你收集整理的爬虫学习笔记（十七）—— 字符验证码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。