python验证码简单识别

由于需求，因此接触了验证码这一块，本来感受到会很难，学了以后挺简单的，但后来又发现本身仍是too young。。。

PIL（python Image Library）

目前PIL的官方最新版本为1.1.7，支持的版本为python 2.5, 2.6, 2.7， 
PIL官方网站：http://www.pythonware.com/products/pil/ 
不支持python3，但有高手把它从新编译生成python3下可安装的exe了。这一非官方下载地址 http://www.lfd.uci.edu/~gohlke/pythonlibs/#pil ， 
，它已经多年未更新了，差很少已经被遗弃了。

pillow

Pillow是PIL的一个派生分支，但现在已经发展成为比PIL自己更具活力的图像处理库。pillow能够说已经取代了PIL，将其封装成python的库（pip便可安装），且支持python2和python3，目前最新版本是3.0.0。

Pillow的Github主页：https://github.com/python-pillow/Pillow 
Pillow的文档(对应版本v3.0.0)： 
https://pillow.readthedocs.org/en/latest/handbook/index.html

安装它很简单 pip install pillow

使用方式：

#python2 
import Image 
#python3（由于是派生的PIL库，因此要导入PIL中的Image） 
from PIL import Image

以python3为例，

• open

from PIL import Image im = Image.open("1.png") im.show()

• format

format属性定义了图像的格式，若是图像不是从文件打开的，那么该属性值为None；size属性是一个tuple，表示图像的宽和高（单位为像素）；mode属性为表示图像的模式，经常使用的模式为：L为灰度图，RGB为真彩色，CMYK为pre-press图像。若是文件不能打开，则抛出IOError异常。

print(im.format, im.size, im.mode)

• save

im.save("c:\\")

• convert()

convert() 是图像实例对象的一个方法，接受一个 mode 参数，用以指定一种色彩模式，mode 的取值能够是以下几种： 
· 1 (1-bit pixels, black and white, stored with one pixel per byte) 
· L (8-bit pixels, black and white) 
· P (8-bit pixels, mapped to any other mode using a colour palette) 
· RGB (3x8-bit pixels, true colour) 
· RGBA (4x8-bit pixels, true colour with transparency mask) 
· CMYK (4x8-bit pixels, colour separation) 
· YCbCr (3x8-bit pixels, colour video format) 
· I (32-bit signed integer pixels) 
· F (32-bit floating point pixels)

im = Image.open('1.png').convert('L')

• Filter

from PIL import Image, ImageFilter 
im = Image.open(‘1.png’) 
# 高斯模糊 
im.filter(ImageFilter.GaussianBlur) 
# 普通模糊 
im.filter(ImageFilter.BLUR) 
# 边缘加强 
im.filter(ImageFilter.EDGE_ENHANCE) 
# 找到边缘 
im.filter(ImageFilter.FIND_EDGES) 
# 浮雕 
im.filter(ImageFilter.EMBOSS) 
# 轮廓 
im.filter(ImageFilter.CONTOUR) 
# 锐化 
im.filter(ImageFilter.SHARPEN) 
# 平滑 
im.filter(ImageFilter.SMOOTH) 
# 细节 
im.filter(ImageFilter.DETAIL)

• 查看图像直方图

  im.histogram()

• 转换图像文件格式

def img2jpg(imgFile): if type(imgFile)==str and imgFile.endswith(('.bmp', '.gif', '.png')): with Image.open(imgFile) as im: im.convert('RGB').save(imgFile[:-3]+'jpg') 

 

 

img2jpg('1.gif') img2jpg('1.bmp') img2jpg('1.png')

• 屏幕截图

  from PIL import ImageGrab 
  im = ImageGrab.grab((0,0,800,200)) #截取屏幕指定区域的图像 
  im = ImageGrab.grab() #不带参数表示全屏幕截图

• 图像裁剪与粘贴

  box = (120, 194, 220, 294) #定义裁剪区域 
  region = im.crop(box) #裁剪 
  region = region.transpose(Image.ROTATE_180) 
  im.paste(region,box) #粘贴

• 图像缩放

  im = im.resize((100,100)) #参数表示图像的新尺寸，分别表示宽度和高度

• 图像对比度加强

from PIL import Image  
from PIL import ImageEnhance  

#原始图像 image = Image.open('lena.jpg') image.show() #亮度加强 enh_bri = ImageEnhance.Brightness(image) brightness = 1.5 image_brightened = enh_bri.enhance(brightness) image_brightened.show() #色度加强 enh_col = ImageEnhance.Color(image) color = 1.5 image_colored = enh_col.enhance(color) image_colored.show() #对比度加强 enh_con = ImageEnhance.Contrast(image) contrast = 1.5 image_contrasted = enh_con.enhance(contrast) image_contrasted.show() #锐度加强 enh_sha = ImageEnhance.Sharpness(image) sharpness = 3.0 image_sharped = enh_sha.enhance(sharpness) image_sharped.show() 

pytesseract

Python-tesseract是一款用于光学字符识别（OCR）的python工具，即从图片中识别出其中嵌入的文字。Python-tesseract是对Google Tesseract-OCR的一层封装。它也同时能够单独做为对tesseract引擎的调用脚本，支持使用PIL库（Python Imaging Library）读取的各类图片文件类型，包括jpeg、png、gif、bmp、tiff和其余格式，。做为脚本使用它将打印出识别出的文字而非写入到文件。因此安装pytesseract前要先安装PIL（也就是如今的pillow）和tesseract-orc这俩依赖库

tesseract-ocr是谷歌的开源项目，用于图像文本识别，具体安装使用状况能够参照图片文字OCR识别-tesseract-ocr4.00.00安装使用（4.000版本是实验版，建议使用正式版的3.X）

 
pytesseract是调用tesseract的一个库，因此必须先安装好tesseract， 
如何安装pytesseract

pip install pytesseract

如何使用pytesseract

from PIL import Image 
import pytesseract 
print(pytesseract.image_to_string(Image.open('test.png'))) 
print(pytesseract.image_to_string(Image.open('test-european.jpg'), lang='fra'))#后面的lang是语言的意思，fra是法语的意思.

很简单，pytesseract只有一个简单的image_to_string方法。

示例 
图片：

from PIL import Image
from PIL import ImageEnhance
import pytesseract
im=Image.open("1.jpg") im=im.convert('L') im.show() im=ImageEnhance.Contrast(im) im=im.enhance(3) im.show() print(pytesseract.image_to_string(im))

结果： 
图一： 
图二：

打印结果： 

打码平台

众所周知，上面的验证码识别都是小儿科，也就简单的上面能够去去噪，换换灰度什么的，要是碰到了神奇的干扰线，或者奇葩的字母组合，那就基本上歇菜了，目前的验证码识别依旧存在着巨大的问题，因此打码平台也就经久不衰了，这么多年过去了，非但没有就此陌去，反而获得了飞速的发展，其中几个比较有名，下次有时间再来补充。。。

——来补充了——— 
此次选择的是云打码平台（非广告），固然啦，只是本人选择的是云打码，事实上其余的打码平台都是相似的， 
首先要分清楚云打码平台的帐户种类 
云打码平台分两种：用户和开发者 
咱们只需使用用户就能够了

注册完以后能够选择充值，先充1块钱，有2000积分，下面是使用积分的说明：

也就是说1块钱大概可使用50次以上，这仍是能够接受的

接下来就简单多了 
用户username: …….. 
密码password: ……… 
帐户余额balance:………..分

只需修改验证码地址和验证码种类，填好注册时的用户名和密码，而后运行便可输出相关信息，目测新浪微博验证码识别率95%以上

直接运行下面的源码便可（记得改好上面的要求）

import http.client, mimetypes, urllib, json, time, requests ###################################################################### #验证码地址**（记得修改）** Image="C:\\Users\\Desktop\\ORC\\1.png" #验证码种类**（记得修改）** Species=1005 class YDMHttp: apiurl = 'http://api.yundama.com/api.php' username = '' password = '' appid = '' appkey = '' def __init__(self, username, password, appid, appkey): self.username = username self.password = password self.appid = str(appid) self.appkey = appkey def request(self, fields, files=[]): response = self.post_url(self.apiurl, fields, files) response = json.loads(response) return response def balance(self): data = {'method': 'balance', 'username': self.username, 'password': self.password, 'appid': self.appid, 'appkey': self.appkey} response = self.request(data) if (response): if (response['ret'] and response['ret'] < 0): return response['ret'] else: return response['balance'] else: return -9001 def login(self): data = {'method': 'login', 'username': self.username, 'password': self.password, 'appid': self.appid, 'appkey': self.appkey} response = self.request(data) if (response): if (response['ret'] and response['ret'] < 0): return response['ret'] else: return response['uid'] else: return -9001 def upload(self, filename, codetype, timeout): data = {'method': 'upload', 'username': self.username, 'password': self.password, 'appid': self.appid, 'appkey': self.appkey, 'codetype': str(codetype), 'timeout': str(timeout)} file = {'file': filename} response = self.request(data, file) if (response): if (response['ret'] and response['ret'] < 0): return response['ret'] else: return response['cid'] else: return -9001 def result(self, cid): data = {'method': 'result', 'username': self.username, 'password': self.password, 'appid': self.appid, 'appkey': self.appkey, 'cid': str(cid)} response = self.request(data) return response and response['text'] or '' def decode(self, filename, codetype, timeout): cid = self.upload(filename, codetype, timeout) if (cid > 0): for i in range(0, timeout): result = self.result(cid) if (result != ''): return cid, result else: time.sleep(1) return -3003, '' else: return cid, '' def post_url(self, url, fields, files=[]): for key in files: files[key] = open(files[key], 'rb'); res = requests.post(url, files=files, data=fields) return res.text ###################################################################### # 用户名（填本身的）**（记得修改）** username = '*************' # 密码（填本身的）**（记得修改）** password = '*******' # 软件ＩＤ，开发者分红必要参数。登陆开发者后台【个人软件】得到！（非开发者不用管） appid = 1 # 软件密钥，开发者分红必要参数。登陆开发者后台【个人软件】得到！（非开发者不用管） appkey = '22cc5376925e9387a23cf797cb9ba745' # 图片文件 filename = Image # 验证码类型，# 例：1004表示4位字母数字，不一样类型收费不一样。请准确填写，不然影响识别率。在此查询全部类型 http://www.yundama.com/price.html codetype = Species # 超时时间，秒 timeout = 60 # 检查 if (username == 'username'): print('请设置好相关参数再测试') else: # 初始化 yundama = YDMHttp(username, password, appid, appkey) # 登录云打码 uid = yundama.login(); print('uid: %s' % uid) # 查询余额 balance = yundama.balance(); print('balance: %s' % balance) # 开始识别，图片路径，验证码类型ID，超时时间（秒），识别结果 cid, result = yundama.decode(filename, codetype, timeout); print('cid: %s, result: %s' % (cid, result)) ###################################################################### 

 

附赠几张新浪微博的验证码： 

小结

验证码是一个神奇的产物，它充分的遏制住了一大批计算机上网的冲动，就是这么一个小小的验证码阻挡住了千军万马，可是我相信将来的算法必定会将这个产物解决掉的-。-。-。-。-。-。-。