python验证码简单识别
因为需求，所以接触了验证码这一块，原本感觉到会很难，学了之后挺简单的，但后来又发现自己还是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，但有高手把它重新编译生成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，差不多已经被遗弃了。
pillow
Pillow是PIL的一个派生分支，但如今已经发展成为比PIL本身更具活力的图像处理库。pillow可以说已经取代了PIL，将其封装成python的库（pip即可安装），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（因为是派生的PIL库，所以要导入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，如果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，常用的模式为：L为灰度图，RGB为真彩色，CMYK为pre-press图像。如果文件不能打开，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 的取值可以是如下几种：
· 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)
# 边缘增强
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
-
图像对比度增强
from PIL import Image
from PIL import ImageEnhance
#原始图像
image = Image.open('lena.jpg')
image.show()
#亮度增强
enh_bri = ImageEnhance.Brightness(image)
brightness = 1.5
image_brightened = enh_bri.enhance(brightness)
image_brightened.show()
#色度增强
enh_col = ImageEnhance.Color(image)
color = 1.5
image_colored = enh_col.enhance(color)
image_colored.show()
#对比度增强
enh_con = ImageEnhance.Contrast(image)
contrast = 1.5
image_contrasted = enh_con.enhance(contrast)
image_contrasted.show()
#锐度增强
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。它也同时可以单独作为对tesseract引擎的调用脚本，支持使用PIL库（Python Imaging Library）读取的各种图片文件类型，包括jpeg、png、gif、bmp、tiff和其他格式，。作为脚本使用它将打印出识别出的文字而非写入到文件。所以安装pytesseract前要先安装PIL（也就是现在的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，具体安装使用情况可以参照图片文字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，所以必须先安装好tesseract，
如何安装pytesseract
pip install pytesseract
如何使用pytesseract
from PIL import Image#后面的lang是语言的意思，fra是法语的意思.
import pytesseract
print(pytesseract.image_to_string(Image.open('test.png')))
print(pytesseract.image_to_string(Image.open('test-european.jpg'), lang='fra'))
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，也就简单的上面可以去去噪，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，所以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，反而得到了飞速的发展，其中几个比较有名，下次有时间再来补充。。。
——来补充了———
这次选择的是云打码平台（非广告），当然啦，只是本人选择的是云打码，事实上其他的打码平台都是类似的，
首先要分清楚云打码平台的账户种类
云打码平台分两种：用户和开发者
我们只需使用用户就可以了
注册完之后可以选择充值，先充1块钱，有2000积分，下面是使用积分的说明：
也就是说1块钱大概可以使用50次以上，这还是可以接受的
接下来就简单多了
用户username: ……..
密码password: ………
账户余额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，然后运行即可输出相关信息，目测新浪微博验证码识别率95%以上
直接运行下面的源码即可（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（填自己的）**（记得修改）**
username = '*************'
# 密码（填自己的）**（记得修改）**
password = '*******'
# 软件ＩＤ，开发者分成必要参数。登录开发者后台【我的软件】获得！（非开发者不用管）
appid = 1
# 软件密钥，开发者分成必要参数。登录开发者后台【我的软件】获得！（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，不同类型收费不同。请准确填写，否则影响识别率。在此查询所有类型 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)
# 登陆云打码
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，但是我相信未来的算法一定会将这个产物解决掉的-。-。-。-。-。-。-。
知识无穷尽也。
