ocr图片识别通常可以借助tesserocr模块，将图片中的内容识别出来并转换为文本输出。tesserocr是python的一个ocr识别库，是对tesseract进行的一层python api封装。在安装tesserocr之前，需要先安装tesseract。
tesseract文件可从以下链接下载：
https://www.php.cn/link/2ae3d2aaceaf26246581744124859b07
Python安装tesserocr可以通过下载对应的.whl文件来安装（使用pip方式容易出错）。
tesseract与对应的tesserocr版本可从以下链接获取：
立即学习“Python免费学习笔记（深入）”；
https://www.php.cn/link/1ba4d572a08babfe8c7d9c9717ec1599
实现代码如下：
from PIL import Imageimport tesserocrtesserocr识别图片的两种方法
img = Image.open("code.jpg")verify_code1 = tesserocr.image_to_text(img)
print(verify_code1)
verify_code2 = tesserocr.file_to_text("code.jpg")
print(verify_code2)
然而，当图片中存在大量干扰元素，如验证码中的多余线条时，识别结果可能不够准确。这时需要进行一些预处理操作，如转换为灰度图和进行二值化处理。
可以使用Image对象的convert()方法，将图片转换为灰度图，传入”L”参数；传入1参数则对图像进行二值处理（默认阈值为127）。
原验证码：
img = Image.open("code.jpg")img_L = img.convert("L")img_L.show()
也可以自定义二值化阈值：
threshold = 100 # 设置二值的阈值为100table = []for i in range(256):if i < threshold:table.append(0)else:table.append(1)point()方法返回给定查找表对应的图像像素值的拷贝，变量table为图像的每个通道设置256个值，为输出图像指定一个新的模式，模式为"L"和"P"的图像进一步转换为模式为"1"的图像
image = img_L.point(table, "1")image.show()
img_1 = tesserocr.image_to_text(image)print(img_1)>> 5SA6
操作系统：Win10 1709 X64
Python版本：3.6.5
依赖模块：PIL、tesserocr。
需要说明的是，在Windows系统上通过PowerShell使用pip3 install tesserocr安装验证码识别模块时，需要先安装Tesseract（一款由HP实验室开发、由Google维护的开源OCR引擎，与Microsoft Office Document Imaging（MODI）相比，我们可以不断训练的库，使图像转换文本的能力不断增强）。
以中国知网的注册页面为例，我们常被要求输入这类简单的字母组成，背景含有很多杂线的验证码，如下图所示：
我们将验证码另存为到本地代码所在目录，取名：test.png。
下图是直接使用对应模块识别的代码示例：
import tesserocrfrom PIL import Imageimage = Image.open('test.png')image.show() # 可以打印出图片，供预览print(tesserocr.image_to_text(image))
原始图片尺寸较小，极少数情况下如果无法正常识别，可以借助图片处理工具PIL模块进行图片等比例放大后保存。此例中直接运行上述代码，结果为“VHIHI”，即使是肉眼可见较为清晰的验证码，如果图片未经处理直接交由tesserocr解析，也可能识别率很低。
通常情况下，我们还需要做一些额外的图片处理，如转换为灰度图、二值化等。
利用Image对应的convert()方法传参L，即可将图片转换为灰度图。
image = image.convert('L')image.show()
传入1即可完成二值化，如下：
image = image.convert('1')image.show()
当然，我们更多时候需要根据图片的实际情况指定二值化的阈值，比如我们将阈值设定为80，先转灰度图，再二值化，代码如下：
import tesserocrfrom PIL import Imageimage = Image.open('test.png')image = image.convert("L")threshold = 80table = []for i in range(256):if i < threshold:table.append(0)else:table.append(1)
观察到处理后的图片如右：
尽管图片已经转为灰度图，且过滤了大部分杂线，但是图片关键像素丢失严重，识别结果自然也不尽如人意，结果：“VH.”。
此时我们根据图片的实际情况，人为调整程序中预设的阈值到130，再观察：
这次的图片转换效果显著，我们再次查看识别结果，“VHRU”，与肉眼观察到的别无二致，合乎要求。
可见验证码的识别除了用好识别模块，还需要在必要时引入PIL（图片处理模块）进行图片预处理，预处理过程中的阈值等设定也存有技巧，不同的参数设定，会完全影响最终的识别率。
现实中很多网站的验证码要远比例子中的来得复杂，尤其是12306购票网站的验证码，使行为验证码开始高速发展，肉眼分辨起来都异常困难，这就要求我们对验证码的识别技术要不断提升，才能突破网站逐步升级的反爬虫机制。
以上就是python图形验证码模块tesserocr的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/80644.html
微信扫一扫 
支付宝扫一扫 
