您现在的位置是：首页 > Python

当前栏目

python基础教程python opencv pytesseract 验证码识别的实现

Python 教程基础

2023-03-02 11:48:49 时间

更多教程请到：菜鸟教程 https://www.piaodoo.com/

**一、环境配置**

需要 pillow 和 pytesseract 这两个库，pip install 安装就好了。

install pillow -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
    pip install pytesseract -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

安装好Tesseract-OCR.exe

pytesseract 库的配置：搜索找到pytesseract.py，打开该.py文件，找到 tesseract\_cmd，改变它的值为刚才安装 tesseract.exe 的路径。

![Image 1][]

**二、验证码识别**

识别验证码，需要先对图像进行预处理，去除会影响识别准确度的线条或噪点，提高识别准确度。

实例1

import cv2 as cv
    import pytesseract
    from PIL import Image

def recognize\_text(image):

# 边缘保留滤波 去噪 #

dst = cv.pyrMeanShiftFiltering(image, sp=10, sr=150)

# 灰度图像 #

gray = cv.cvtColor(dst, cv.COLOR\_BGR2GRAY)

# 二值化 #

ret, binary = cv.threshold(gray, 0, 255, cv.THRESH\_BINARY\_INV | cv.THRESH\_OTSU)

# 形态学操作 腐蚀 膨胀 #

erode = cv.erode(binary, None, iterations=2)  
dilate = cv.dilate(erode, None, iterations=1)  
cv.imshow(‘dilate’, dilate)

# 逻辑运算 让背景为白色 字体为黑 便于识别 #

cv.bitwise\_not(dilate, dilate)  
cv.imshow(‘binary-image’, dilate)

# 识别 #

test\_message = Image.fromarray(dilate)  
text = pytesseract.image\_to\_string(test\_message)  
print(f’识别结果：\{text\}’)

src = cv.imread(r’./test/044.png’)  
cv.imshow(‘input image’, src)  
recognize\_text(src)  
cv.waitKey(0)  
cv.destroyAllWindows()

运行效果如下：

> 识别结果：3n3D
> 
> Process finished with exit code 0  
>

![Image 1][]

实例2

import cv2 as cv
    import pytesseract
    from PIL import Image

def recognize\_text(image):

# 边缘保留滤波 去噪 #

blur =cv.pyrMeanShiftFiltering(image, sp=8, sr=60)  
cv.imshow(‘dst’, blur)

# 灰度图像 #

gray = cv.cvtColor(blur, cv.COLOR\_BGR2GRAY)

# 二值化 #

ret, binary = cv.threshold(gray, 0, 255, cv.THRESH\_BINARY\_INV | cv.THRESH\_OTSU)  
print(f’二值化自适应阈值：\{ret\}’)  
cv.imshow(‘binary’, binary)

# 形态学操作 获取结构元素 开操作 #

kernel = cv.getStructuringElement(cv.MORPH\_RECT, (3, 2))  
bin1 = cv.morphologyEx(binary, cv.MORPH\_OPEN, kernel)  
cv.imshow(‘bin1’, bin1)  
kernel = cv.getStructuringElement(cv.MORPH\_OPEN, (2, 3))  
bin2 = cv.morphologyEx(bin1, cv.MORPH\_OPEN, kernel)  
cv.imshow(‘bin2’, bin2)

# 逻辑运算 让背景为白色 字体为黑 便于识别 #

cv.bitwise\_not(bin2, bin2)  
cv.imshow(‘binary-image’, bin2)

# 识别 #

test\_message = Image.fromarray(bin2)  
text = pytesseract.image\_to\_string(test\_message)  
print(f’识别结果：\{text\}’)

src = cv.imread(r’./test/045.png’)  
cv.imshow(‘input image’, src)  
recognize\_text(src)  
cv.waitKey(0)  
cv.destroyAllWindows()

运行效果如下：

> 二值化自适应阈值：181.0  
> 识别结果：8A62N1
> 
> Process finished with exit code 0  
>

![Image 1][]

实例3

import cv2 as cv
    import pytesseract
    from PIL import Image

def recognize\_text(image):

# 边缘保留滤波 去噪 #

blur = cv.pyrMeanShiftFiltering(image, sp=8, sr=60)  
cv.imshow(‘dst’, blur)

# 灰度图像 #

gray = cv.cvtColor(blur, cv.COLOR\_BGR2GRAY)

# 二值化 设置阈值 自适应阈值的话 黄色的4会提取不出来 #

ret, binary = cv.threshold(gray, 185, 255, cv.THRESH\_BINARY\_INV)  
print(f’二值化设置的阈值：\{ret\}’)  
cv.imshow(‘binary’, binary)

# 逻辑运算 让背景为白色 字体为黑 便于识别 #

cv.bitwise\_not(binary, binary)  
cv.imshow(‘bg\_image’, binary)

# 识别 #

test\_message = Image.fromarray(binary)  
text = pytesseract.image\_to\_string(test\_message)  
print(f’识别结果：\{text\}’)

src = cv.imread(r’./test/045.jpg’)  
cv.imshow(‘input image’, src)  
recognize\_text(src)  
cv.waitKey(0)  
cv.destroyAllWindows()

运行效果如下：

> 二值化设置的阈值：185.0  
> 识别结果：7364
> 
> Process finished with exit code 0  
>

![Image 1][]

到此这篇关于python opencv pytesseract 验证码识别的实现的文章就介绍到这了,更多相关opencv pytesseract 验证码识别内容请搜索菜鸟教程www.piaodoo.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持菜鸟教程www.piaodoo.com！

[Image 1]:

猜你喜欢

最长无重复子串
写技术博客的一些心得分享
Java 多线程（七）：线程池
Java 多线程（五）：锁（三）
Java 多线程（四）：锁（二）
Java 多线程（三）：锁（一）
Java 多线程（二）：并发编程的三大特性
线性时间非比较类排序
Java 多线程（一）：基础
合并k个已排序的链表
HDFS 高可用分布式环境搭建
合并两个有序数组
连续子数组的最大和
HDFS 分布式环境搭建
容器盛水问题
大数加法
HDFS 伪分布式环境搭建
设计LRU缓存结构
两数之和
使用单调栈来解决的一些问题