使用 Pytesseract 进行简单的验证码识别-知识专区-汉码未来

当前位置： Python > 使用 Pytesseract 进行简单的验证码识别

admin · 更新于 2021-08-06

1. 安装 pytesseract

pytesseract 是 Python 的一个 OCR 识别库，可以通过安装这个模块，然后调用相应的方法进行验证码识别。我们只是使用这个模块的一些常用的 API，关于这个模块的其他用途，读者可以根据自己的兴趣爱好自行研究。

pytesseract 是第三方模块，所以需要提前安装才能使用，安装命令如下：

pip install pytesseract代码块
1

安装过程如下：

2. 第一个例子

我们先使用 pytesseract 进行简单的图片识别。

我们通过调用 image_to_string 方法来进行识别图片中的文字。

# 引进Image和pytesseract模块try:
    from PIL import Imageexcept ImportError:
    import Imageimport pytesseract# 将图片转化成文字print(pytesseract.image_to_string(Image.open('test.bmp')))代码块
1
2
3
4
5
6
7
8
9
10

运行结果：

可以看出，pytesseract 能够准确的识别图片的文字。

3. 识别验证码

接下来，我们来尝试使用它来验证验证码。验证码图片如下所示：

代码如下：

import pytesseractfrom PIL import Image

im=Image.open('test.jpeg')#灰度处理im=im.convert('L')#设置二值化的阈值threshold=170t=[]for i in range(256):
    if i<threshold:
        t.append(0)
    else:
        t.append(1)#通过表格转换成二进制图片，1的作用是白色，0就是黑色im=im.point(t,"1")im.show()print(pytesseract.image_to_string(im))#删除冗余字符print(pytesseract.image_to_string(im)[0:-1])代码块
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21