Python--pytesseract驗證碼識別處理實例

(linux-ubuntu系統)

安裝過程

pytesser 調用了 tesseract，因此需要安裝 tesseract，安裝 tesseract 需要安裝 leptonica，否則編譯tesseract 的時候出現 "configure: error: leptonica not found"。

sudo apt-get install tesseract-ocr</span>

之后利用pip安裝pytesseract的包

sudo pip install pytesseract

就可以使用了.

windows系統可以參考 http://blog.csdn.net/evankaka/article/details/49533493 這篇博客就OK了.

也可以參考 https://www.quora.com/How-do-I-use-PyTesser-and-Tesseract-OCR-in-Ubuntu-with-Python

原理：

驗證碼圖像處理
驗證碼圖像識別技術主要是操作圖片內的像素點,通過對圖片的像素點進行一系列的操作,最后輸出驗證碼圖像內的每個字符的文本矩陣。
1、讀取圖片
2、圖片降噪
3、圖片切割
4、圖像文本輸出

（2）驗證字符識別
驗證碼內的字符識別主要以機器學習的分類算法來完成,目前我所利用的字符識別的算法為KNN(K鄰近算法)和SVM (支持向量機算法),后面我 會對這兩個算法的適用場景進行詳細描述。
1、獲取字符矩陣
2、矩陣進入分類算法
3、輸出結果

要驗證的圖片如下：

import pytesseract
import Image
image = Image.open('1.jpg') 
print pytesseract.image_to_string(image)

結果如下

Python 2.7.9 (default, Apr  2 2015, 15:33:21) 
[GCC 4.9.2] on linux2
Type "copyright", "credits" or "license()" for more information.
==== No Subprocess ====
>>> 
1201
>>>

也可以使用復雜一點的,上面的只能對一些比較簡單的做處理
原理：彩色轉灰度，灰度轉二值，二值圖像識別

# 驗證碼識別，此程序只能識別數據驗證碼
import Image  
import ImageEnhance  
import ImageFilter  
import sys  
from pytesseract import *
# 二值化  
threshold = 140  
table = []  
for i in range(256):  
    if i < threshold:  
        table.append(0)  
    else:  
        table.append(1)  

#由于都是數字  
#對于識別成字母的 采用該表進行修正  
rep={'O':'0',  
    'I':'1','L':'1',  
    'Z':'2',  
    'S':'8'  
    };  

def  getverify1(name):        
    #打開圖片  
    im = Image.open(name)  
    #轉化到灰度圖
    imgry = im.convert('L')
    #保存圖像
    imgry.save('g'+name)  
    #二值化，采用閾值分割法，threshold為分割點 
    out = imgry.point(table,'1')  
    out.save('b'+name)  
    #識別  
    text = image_to_string(out)  
    #識別對嗎  
    text = text.strip()  
    text = text.upper();    
    for r in rep:  
        text = text.replace(r,rep[r])   
    #out.save(text+'.jpg')  
    print text  
    return text  
getverify1('1.jpg')  #注意這里的圖片要和此文件在同一個目錄，要不就傳絕對路徑也行