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 Imageim = 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
import pytesseract
print(pytesseract.image_to_string(Image.open('test.png')))
print(pytesseract.image_to_string(Image.open('test-european.jpg'), lang='fra'))#后面的lang是语言的意思，fra是法语的意思.

很简单，pytesseract只有一个简单的image_to_string方法。

示例
图片：

from PIL import Imagefrom PIL import ImageEnhanceimport pytesseractim=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=1005class 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.htmlcodetype    = 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-。-。-。-。-。-。-。