opencv 验证码 识别

示例图片 ：  

主要应用原理为：1

1、先识别出图片中每个像素的数量   例如 红色在200左右

2、将红色的像素单独提出来  这样起到去除噪点的作用

3、分割图片并保存  

4、识别图片

具体代码如下：

# coding=utf-8
# !/usr/bin/python
"""
opencv 验证码识别
Created on: 2018/7/31  16:12
@author: 虫子慢慢爬
Email: 891915210@qq.com
"""
# -*- coding=GBK -*-

from PIL import Image
import hashlib
import time

im = Image.open("C:/Users/admin/Desktop/image/p.jpg")

# (将图片转换为8位像素模式)

im = im.convert("P")

# 打印颜色直方图

print(im.histogram())
"""颜色直方图的每一位数字都代表了在图片中含有对应位的颜色的像素的数量。
   每个像素点可表现256种颜色,你会发现白点是最多
   （白色序号255的位置,也就是最后一位,可以看到,有625个白色像素）。
   红像素在序号200左右,我们可以通过排序,得到有用的颜色。
"""
his = im.histogram()

values = {}

for i in range(256):
    values[i] = his[i]

for j, k in sorted(values.items(), key=lambda x: x[1], reverse=True)[:10]:
    print(j, k)
"""
我们得到了图片中最多的10种颜色,
其中 220 与 227 才是我们需要的红色和灰色,
可以通过这一讯息构造一种黑白二值图片
"""
im2 = Image.new("P", im.size, 255)

for x in range(im.size[1]):

    for y in range(im.size[0]):
        pix = im.getpixel((y, x))
        if pix == 225:  # these are the numbers to get
            im2.putpixel((y, x), 0)

im2.show()
# time.sleep(3)
""" 接下来的工作是要得到单个字符的像素集合,由于例子比较简单,我们对其进行纵向切割:"""

inletter = False

foundletter = False

start = 0

end = 0

letters = []

for y in range(im2.size[0]):

    for x in range(im2.size[1]):
        pix = im2.getpixel((y, x))

        if pix != 255:
            inletter = True

    if foundletter == False and inletter == True:
        foundletter = True
        start = y

    if foundletter == True and inletter == False:
        foundletter = False
        end = y
        letters.append((start, end))

    inletter = False

print(letters)

# [(6, 14), (15, 25), (27, 35), (37, 46), (48, 56), (57, 67)]

"""  得到每个字符开始和结束的列序号。"""

count = 0

for letter in letters:
    m = hashlib.md5()

    im3 = im2.crop((letter[0], 0, letter[1], im2.size[1]))
    ss1 = str(time.time()) + str(count)
    print(ss1)
    m.update(ss1.encode('utf-8'))
    # 对图片进行切割,得到每个字符所在的那部分图片。
    im3.save("./%s.gif" % (m.hexdigest()))

    count += 1
    """
在这里我们使用向量空间搜索引擎来做字符识别,它具有很多优点:

不需要大量的训练迭代

不会训练过度

你可以随时加入／移除错误的数据查看效果

很容易理解和编写成代码

提供分级结果,你可以查看最接近的多个匹配

对于无法识别的东西只要加入到搜索引擎中,马上就能识别了。

  当然它也有缺点,例如分类的速度比神经网络慢很多,它不能找到自己的方法解决问题等等。

  向量空间搜索引擎名字听上去很高大上其实原理很简单。拿文章里的例子来说:

  你有 3 篇文档,我们要怎么计算它们之间的相似度呢？两篇文档所使用的相同的单词越多,那这两篇文章就越相似!但是这单词太多怎么办,就由我们来选择几个关键单词,选择的单词又被称作特征,每一个特征就好比空间中的一个维度（x,y,z 等）,一组特征就是一个矢量,每一个文档我们都能得到这么一个矢量,只要计算矢量之间的夹角就能得到文章的相似度了。

  用 Python 类实现向量空间:
"""

import math


class VectorCompare:

    # 计算矢量大小

    def magnitude(self, concordance):

        total = 0

        for word, count in concordance.iteritems():
            total += count ** 2

        return math.sqrt(total)

    # 计算矢量之间的 cos 值

    def relation(self, concordance1, concordance2):

        relevance = 0

        topvalue = 0

        for word, count in concordance1.iteritems():

            if concordance2.has_key(word):
                topvalue += count * concordance2[word]

        return topvalue / (self.magnitude(concordance1) * self.magnitude(concordance2))

    #   它会比较两个 python 字典类型并输出它们的相似度（用 0～1 的数字表示）

    """
    将之前的内容放在一起
      还有取大量验证码提取单个字符图片作为训练集合的工作,但只要是有好好读上文的同学就一定知道这些工作要怎么做,在这里就略去了。可以直接使用提供的训练集合来进行下面的操作。
    
      iconset目录下放的是我们的训练集。
    
      最后追加的内容:
    
    """

    # 将图片转换为矢量

    def buildvector(im):

        d1 = {}

        count = 0

        for i in im.getdata():
            d1[count] = i

            count += 1

        return d1


v = VectorCompare()

iconset = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9', '0', 'a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k',
           'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u', 'v', 'w', 'x', 'y', 'z']

import os

# 加载训练集

imageset = []

for letter in iconset:

    for img in os.listdir('./iconset/%s/' % (letter)):

        temp = []

        if img != "Thumbs.db" and img != ".DS_Store":
            temp.append(v.buildvector(Image.open("./iconset/%s/%s" % (letter, img))))

            imageset.append({letter: temp})

count = 0

# 对验证码图片进行切割

for letter in letters:
    m = hashlib.md5()

    im3 = im2.crop((letter[0], 0, letter[1], im2.size[1]))

    guess = []

# 将切割得到的验证码小片段与每个训练片段进行比较

for image in imageset:

    for x, y in image.iteritems():

        if len(y) != 0:
            guess.append((v.relation(y[0], v.buildvector(im3)), x))

        guess.sort(reverse=True)

    print("", guess[0])

    count += 1

希望对大家有帮助哦！！