在这篇文章中我们来了解一下“Python怎样实现验证码识别和处理操作”，一些朋友可能会遇到这方面的问题，对此在下文小编向大家来讲解，内容详细，易于理解，希望大家阅读完这篇能有收获哦，有需要的朋友就往下看吧！

一、selenium截取验证码

import json
from io import BytesIO

import time
from test.testBefore.testDriver import driver
from test.util.test_pytesseract import recognize
from PIL import Image
import allure
import unittest

 '''
 /处理验证码
 '''
 # 要截图的元素
 element = driver.find_element_by_xpath('//*[@id="imgVerifyCode"]')
 # 坐标
 x, y = element.location.values()
 # 宽高
 h, w = element.size.values()
 # 把截图以二进制形式的数据返回
 image_data = driver.get_screenshot_as_png()
 # 以新图片打开返回的数据
 screenshot = Image.open(BytesIO(image_data))
 # 对截图进行裁剪
 result = screenshot.crop((x, y, x + w, y + h))
 # 显示图片
 # result.show()
 # 保存验证码图片
 result.save('VerifyCode.png')
 # 调用recognize方法识别验证码
 code = recognize('VerifyCode.png')
 # 输入验证码
 driver.find_element_by_xpath('//*[@id="txtcode"]').send_keys(code)
 '''
 处理验证码/
 '''

注意：driver是引用我自己写的文件，可以自己随便写一个。识别图片的代码单独放在util文件夹下面的，参考标题三的代码，需要时引用。以上代码定位元素都需要根据自己的项目定位元素修改。

二、安装识别环境pytesseract+Tesseract-OCR

如果没有输出，又不确定你的pytesseract环境是否安装好，可以用一张没有干扰的图片识别看看能不能有输出结果，以下样例在我的环境中可以直接输出识别结果8fnp

验证识别环境是否正常

直接使用pytesseract识别图片

001.png

text = pytesseract.image_to_string('./001.png')
print(text)

三、处理验证码图片

直接截图的验证码图片存在噪点或者干扰线等，直接使用pytesseract识别可能会没有输出结果，如果环境正常，但没有输出结果，那多半是因为图片没有处理好，识别不出来，可以多尝试一些处理图片的方式，以下代码处理我截图这种类似的图片效果比较好。

图片处理识别

对图片处理的过程：

图片处理过程中可以多用im.show()看看每一步处理后的图片是不是符合预期，如果效果不好调一下参数。另外在学习过程中发现有童鞋说识别不出来把图片使用cv2.resize()这个方法放大就能识别，可以参考Python中图像的缩放 resize（）函数的应用

实际截取的图片

处理后的图片

test_pytesseract.py

import pytesseract
from fnmatch import fnmatch
import cv2
import os


def clear_border(img, img_name):
    '''
    去除边框
    '''
    h, w = img.shape[:2]
    for y in range(0, w):
        for x in range(0, h):
            # if y ==0 or y == w -1 or y == w - 2:
            if y < 2 or y > w - 2:
                img[x, y] = 255
            # if x == 0 or x == h - 1 or x == h - 2:
            if x < 1 or x > h - 1:
                img[x, y] = 255

    return img


def interference_line(img, img_name):
    '''
    干扰线降噪
    '''

    h, w = img.shape[:2]
    # ！！！opencv矩阵点是反的
    # img[1,2] 1:图片的高度，2：图片的宽度
    for r in range(0, 2):
        for y in range(1, w - 1):
            for x in range(1, h - 1):
                count = 0
                if img[x, y - 1] > 245:
                    count = count + 1
                if img[x, y + 1] > 245:
                    count = count + 1
                if img[x - 1, y] > 245:
                    count = count + 1
                if img[x + 1, y] > 245:
                    count = count + 1
                if count > 2:
                    img[x, y] = 255
    return img


def interference_point(img, img_name, x=0, y=0):
    """点降噪
    9邻域框,以当前点为中心的田字框,黑点个数
    :param x:
    :param y:
    :return:
    """
    # todo 判断图片的长宽度下限
    cur_pixel = img[x, y]  # 当前像素点的值
    height, width = img.shape[:2]

    for y in range(0, width - 1):
        for x in range(0, height - 1):
            if y == 0:  # 第一行
                if x == 0:  # 左上顶点,4邻域
                    # 中心点旁边3个点
                    sum = int(cur_pixel) \
                          + int(img[x, y + 1]) \
                          + int(img[x + 1, y]) \
                          + int(img[x + 1, y + 1])
                    if sum <= 2 * 245:
                        img[x, y] = 0
                elif x == height - 1:  # 右上顶点
                    sum = int(cur_pixel) \
                          + int(img[x, y + 1]) \
                          + int(img[x - 1, y]) \
                          + int(img[x - 1, y + 1])
                    if sum <= 2 * 245:
                        img[x, y] = 0
                else:  # 最上非顶点,6邻域
                    sum = int(img[x - 1, y]) \
                          + int(img[x - 1, y + 1]) \
                          + int(cur_pixel) \
                          + int(img[x, y + 1]) \
                          + int(img[x + 1, y]) \
                          + int(img[x + 1, y + 1])
                    if sum <= 3 * 245:
                        img[x, y] = 0
            elif y == width - 1:  # 最下面一行
                if x == 0:  # 左下顶点
                    # 中心点旁边3个点
                    sum = int(cur_pixel) \
                          + int(img[x + 1, y]) \
                          + int(img[x + 1, y - 1]) \
                          + int(img[x, y - 1])
                    if sum <= 2 * 245:
                        img[x, y] = 0
                elif x == height - 1:  # 右下顶点
                    sum = int(cur_pixel) \
                          + int(img[x, y - 1]) \
                          + int(img[x - 1, y]) \
                          + int(img[x - 1, y - 1])

                    if sum <= 2 * 245:
                        img[x, y] = 0
                else:  # 最下非顶点,6邻域
                    sum = int(cur_pixel) \
                          + int(img[x - 1, y]) \
                          + int(img[x + 1, y]) \
                          + int(img[x, y - 1]) \
                          + int(img[x - 1, y - 1]) \
                          + int(img[x + 1, y - 1])
                    if sum <= 3 * 245:
                        img[x, y] = 0
            else:  # y不在边界
                if x == 0:  # 左边非顶点
                    sum = int(img[x, y - 1]) \
                          + int(cur_pixel) \
                          + int(img[x, y + 1]) \
                          + int(img[x + 1, y - 1]) \
                          + int(img[x + 1, y]) \
                          + int(img[x + 1, y + 1])

                    if sum <= 3 * 245:
                        img[x, y] = 0
                elif x == height - 1:  # 右边非顶点
                    sum = int(img[x, y - 1]) \
                          + int(cur_pixel) \
                          + int(img[x, y + 1]) \
                          + int(img[x - 1, y - 1]) \
                          + int(img[x - 1, y]) \
                          + int(img[x - 1, y + 1])

                    if sum <= 3 * 245:
                        img[x, y] = 0
                else:  # 具备9领域条件的
                    sum = int(img[x - 1, y - 1]) \
                          + int(img[x - 1, y]) \
                          + int(img[x - 1, y + 1]) \
                          + int(img[x, y - 1]) \
                          + int(cur_pixel) \
                          + int(img[x, y + 1]) \
                          + int(img[x + 1, y - 1]) \
                          + int(img[x + 1, y]) \
                          + int(img[x + 1, y + 1])
                    if sum <= 4 * 245:
                        img[x, y] = 0

    return img


def _get_dynamic_binary_image(filedir, img_name):
    '''
    自适应阀值二值化
    '''
    filename = './' + img_name.split('.')[0] + '-binary.png'
    img_name = filedir + '/' + filename
    im = cv2.imread(img_name)
    im = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

    th1 = cv2.adaptiveThreshold(im, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 21, 1)

    return th1


def recognize(image):

    filedir = './'  # 验证码路径

    for file in os.listdir(filedir):
        if fnmatch(file, image):
            img_name = file
            # 自适应阈值二值化
            im = _get_dynamic_binary_image(filedir, img_name)
            # # 去除边框
            im = clear_border(im, img_name)
            # 对图片进行干扰线降噪
            im = interference_line(im, img_name)
            # 对图片进行点降噪
            im = interference_point(im, img_name)
            filename = './' + img_name.split('.')[0] + '-interferencePoint.png'  # easy_code为保存路径
            cv2.imwrite(filename, im)  # 保存图片
            text = pytesseract.image_to_string(im, lang="eng",
                                               config='--psm 6 digits')  # config=digits只识别数字
    return text

    '''
    --psm 参数含义
    0：定向脚本监测（OSD）
    1： 使用OSD自动分页
    2 ：自动分页，但是不使用OSD或OCR（Optical Character Recognition，光学字符识别）
    3 ：全自动分页，但是没有使用OSD（默认）
    4 ：假设可变大小的一个文本列。
    5 ：假设垂直对齐文本的单个统一块。
    6 ：假设一个统一的文本块。
    7 ：将图像视为单个文本行。
    8 ：将图像视为单个词。
    9 ：将图像视为圆中的单个词。
    10 ：将图像视为单个字符。
    '''

这篇关于“Python怎样实现验证码识别和处理操作”的文章就介绍到这了,更多相关的内容，欢迎关注群英网络，小编将为大家输出更多高质量的实用文章！

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python中怎样使用Listbox组件，能用来做什么

  本文主要介绍了Python中Tkinter组件Listbox的具体使用，Listbox组件用于显示一个选择列表，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

• Python matplotlib实用绘图技巧汇总

  这篇文章主要给大家介绍了关于Python matplotlib实用绘图技巧的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

• 使用python怎样实现图片反转效果？

  使用python怎样实现图片反转效果？很多朋友对于怎样做图片和视频的反转效果比较感兴趣，其实实现思路并不困难，这篇文章就给大家分享一下python实现图片和视频反转效果的代码，感兴趣的朋友可以参考。

• 如何使用step into，要注意哪些问题

  这篇文章主要介绍了单步调试 step into/step out/step over 区别说明，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教

• 如何理解python迭代器、可迭代对象、生成器

  这篇文章主要介绍了一文搞懂​​​​​​​python可迭代对象,迭代器,生成器,协程，微博吱嘎部分围绕主题展开详细介绍，需要的小伙伴可以参考一下