预言
- 作为目前网络上比较简单的验证码——图形验证码，一般由4位字母或者数字组成。
- 以知网的验证码为例，利用OCR技术识别图形验证码的方法；
示例
注意
- 验证元素是一张图片（可直接截图保存到自己能找到的路径！）
安装
- 安装tesserocr识别库，这之前还需要先安装tesseract；在windows中安装略显麻烦，并且容易出错；
tesseract下载地址：https://digi.bib.uni-mannheim.de/tesseract/
下载未带dev的稳定版本；
- 下载完成后，双击一路next即可，再就可以安装tesseract
pip3 install tesserocr pillow （出错可自行百度）
实例
- 新建程序测试
import tesserocr
from PIL import Image
image = Image.open('01.jpg')# 放入图片的绝对路径
result = tesserocr.image_to_text(image)
print(result)
示例输出：nVNA
-
有些时候，这样简单的识别很容易出现错误的，这次我们拿出图片较为复杂的验证码来做实例；示例2
- 对于这种情况，我们还需要做一下额外的处理，如转灰度、二值化等操作；
- 我们可以利用Image对象的convert（）方法参数传入L，即可将图片转化为灰度图像，代码如下：
image = image.convert("L")
image.show
- 传入“1”即可将图片进行二值化处理，代码如下:
image = image.convert("1")
image.show
- 如上的方法采用的是默认阈值的127，不过我们不能直接转化原图。要将原图先转为灰度图像，然后再指定二值化阈值，代码如下：
image = image.convert('L')
threshold = 80
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
image = image.point(table, '1')
image.show()
-
效果：
效果 - 可以发现验证码的线条已经去除，这时我们再去识别验证码就非常容易了；
# 完整代码
import tesserocr
from PIL import Image
image = Image.open('01.jpg')# 放入图片的绝对路径
image = image.convert('L')
threshold = 80
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
image = image.point(table, '1')
image.show()
result = tesserocr.image_to_text(image)
print(result)
- 为了提升识别的准确率，可适当对原图进行预处理！
结语
-
除去最常见的图形验证码，现在的一些网站的验证码都更新为滑动验证码、点触验证码和宫格验证码等，识别破解的难度真的高！
送上一句
