python驗證碼簡單識別

由於需求，因此接觸了驗證碼這一塊，本來感受到會很難，學了以後挺簡單的，但後來又發現本身仍是too young。。。

PIL（python Image Library）

目前PIL的官方最新版本爲1.1.7，支持的版本爲python 2.5, 2.6, 2.7， 
PIL官方網站：http://www.pythonware.com/products/pil/ 
不支持python3，但有高手把它從新編譯生成python3下可安裝的exe了。這一非官方下載地址 http://www.lfd.uci.edu/~gohlke/pythonlibs/#pil ， 
，它已經多年未更新了，差很少已經被遺棄了。

pillow

Pillow是PIL的一個派生分支，但現在已經發展成爲比PIL自己更具活力的圖像處理庫。pillow能夠說已經取代了PIL，將其封裝成python的庫（pip便可安裝），且支持python2和python3，目前最新版本是3.0.0。

Pillow的Github主頁：https://github.com/python-pillow/Pillow 
Pillow的文檔(對應版本v3.0.0)： 
https://pillow.readthedocs.org/en/latest/handbook/index.html

安裝它很簡單 pip install pillow

使用方式：

#python2 
import Image 
#python3（由於是派生的PIL庫，因此要導入PIL中的Image） 
from PIL import Image

以python3爲例，

• open

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

• format

format屬性定義了圖像的格式，若是圖像不是從文件打開的，那麼該屬性值爲None；size屬性是一個tuple，表示圖像的寬和高（單位爲像素）；mode屬性爲表示圖像的模式，經常使用的模式爲：L爲灰度圖，RGB爲真彩色，CMYK爲pre-press圖像。若是文件不能打開，則拋出IOError異常。

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

• save

im.save("c:\\")

• convert()

convert() 是圖像實例對象的一個方法，接受一個 mode 參數，用以指定一種色彩模式，mode 的取值能夠是以下幾種： 
· 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) 
# 邊緣加強 
im.filter(ImageFilter.EDGE_ENHANCE) 
# 找到邊緣 
im.filter(ImageFilter.FIND_EDGES) 
# 浮雕 
im.filter(ImageFilter.EMBOSS) 
# 輪廓 
im.filter(ImageFilter.CONTOUR) 
# 銳化 
im.filter(ImageFilter.SHARPEN) 
# 平滑 
im.filter(ImageFilter.SMOOTH) 
# 細節 
im.filter(ImageFilter.DETAIL)

• 查看圖像直方圖

  im.histogram()

• 轉換圖像文件格式

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')

• 屏幕截圖

  from PIL import ImageGrab 
  im = ImageGrab.grab((0,0,800,200)) #截取屏幕指定區域的圖像 
  im = ImageGrab.grab() #不帶參數表示全屏幕截圖

• 圖像裁剪與粘貼

  box = (120, 194, 220, 294) #定義裁剪區域 
  region = im.crop(box) #裁剪 
  region = region.transpose(Image.ROTATE_180) 
  im.paste(region,box) #粘貼

• 圖像縮放

  im = im.resize((100,100)) #參數表示圖像的新尺寸，分別表示寬度和高度

• 圖像對比度加強

from PIL import Image  
from PIL import ImageEnhance  

#原始圖像 image = Image.open('lena.jpg') image.show() #亮度加強 enh_bri = ImageEnhance.Brightness(image) brightness = 1.5 image_brightened = enh_bri.enhance(brightness) image_brightened.show() #色度加強 enh_col = ImageEnhance.Color(image) color = 1.5 image_colored = enh_col.enhance(color) image_colored.show() #對比度加強 enh_con = ImageEnhance.Contrast(image) contrast = 1.5 image_contrasted = enh_con.enhance(contrast) image_contrasted.show() #銳度加強 enh_sha = ImageEnhance.Sharpness(image) sharpness = 3.0 image_sharped = enh_sha.enhance(sharpness) image_sharped.show() 

pytesseract

Python-tesseract是一款用於光學字符識別（OCR）的python工具，即從圖片中識別出其中嵌入的文字。Python-tesseract是對Google Tesseract-OCR的一層封裝。它也同時能夠單獨做爲對tesseract引擎的調用腳本，支持使用PIL庫（Python Imaging Library）讀取的各類圖片文件類型，包括jpeg、png、gif、bmp、tiff和其餘格式，。做爲腳本使用它將打印出識別出的文字而非寫入到文件。因此安裝pytesseract前要先安裝PIL（也就是如今的pillow）和tesseract-orc這倆依賴庫

tesseract-ocr是谷歌的開源項目，用於圖像文本識別，具體安裝使用狀況能夠參照圖片文字OCR識別-tesseract-ocr4.00.00安裝使用（4.000版本是實驗版，建議使用正式版的3.X）

 
pytesseract是調用tesseract的一個庫，因此必須先安裝好tesseract， 
如何安裝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'))#後面的lang是語言的意思，fra是法語的意思.

很簡單，pytesseract只有一個簡單的image_to_string方法。

示例 
圖片：

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))

結果： 
圖一： 
圖二：

打印結果： 

打碼平臺

衆所周知，上面的驗證碼識別都是小兒科，也就簡單的上面能夠去去噪，換換灰度什麼的，要是碰到了神奇的干擾線，或者奇葩的字母組合，那就基本上歇菜了，目前的驗證碼識別依舊存在着巨大的問題，因此打碼平臺也就經久不衰了，這麼多年過去了，非但沒有就此陌去，反而獲得了飛速的發展，其中幾個比較有名，下次有時間再來補充。。。

——來補充了——— 
此次選擇的是雲打碼平臺（非廣告），固然啦，只是本人選擇的是雲打碼，事實上其餘的打碼平臺都是相似的， 
首先要分清楚雲打碼平臺的帳戶種類 
雲打碼平臺分兩種：用戶和開發者 
咱們只需使用用戶就能夠了

註冊完以後能夠選擇充值，先充1塊錢，有2000積分，下面是使用積分的說明：

也就是說1塊錢大概可使用50次以上，這仍是能夠接受的

接下來就簡單多了 
用戶username: …….. 
密碼password: ……… 
帳戶餘額balance:………..分

只需修改驗證碼地址和驗證碼種類，填好註冊時的用戶名和密碼，而後運行便可輸出相關信息，目測新浪微博驗證碼識別率95%以上

直接運行下面的源碼便可（記得改好上面的要求）

import http.client, mimetypes, urllib, json, time, requests ###################################################################### #驗證碼地址**（記得修改）** Image="C:\\Users\\Desktop\\ORC\\1.png" #驗證碼種類**（記得修改）** 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 ###################################################################### # 用戶名（填本身的）**（記得修改）** username = '*************' # 密碼（填本身的）**（記得修改）** password = '*******' # 軟件ＩＤ，開發者分紅必要參數。登陸開發者後臺【個人軟件】得到！（非開發者不用管） appid = 1 # 軟件密鑰，開發者分紅必要參數。登陸開發者後臺【個人軟件】得到！（非開發者不用管） appkey = '22cc5376925e9387a23cf797cb9ba745' # 圖片文件 filename = Image # 驗證碼類型，# 例：1004表示4位字母數字，不一樣類型收費不一樣。請準確填寫，不然影響識別率。在此查詢全部類型 http://www.yundama.com/price.html codetype = Species # 超時時間，秒 timeout = 60 # 檢查 if (username == 'username'): print('請設置好相關參數再測試') else: # 初始化 yundama = YDMHttp(username, password, appid, appkey) # 登錄雲打碼 uid = yundama.login(); print('uid: %s' % uid) # 查詢餘額 balance = yundama.balance(); print('balance: %s' % balance) # 開始識別，圖片路徑，驗證碼類型ID，超時時間（秒），識別結果 cid, result = yundama.decode(filename, codetype, timeout); print('cid: %s, result: %s' % (cid, result)) ###################################################################### 

 

附贈幾張新浪微博的驗證碼： 

小結

驗證碼是一個神奇的產物，它充分的遏制住了一大批計算機上網的衝動，就是這麼一個小小的驗證碼阻擋住了千軍萬馬，可是我相信將來的算法必定會將這個產物解決掉的-。-。-。-。-。-。-。