预言

• 作为目前网络上比较简单的验证码——图形验证码，一般由4位字母或者数字组成。
• 以知网的验证码为例，利用OCR技术识别图形验证码的方法；
  示例

注意

• 验证元素是一张图片（可直接截图保存到自己能找到的路径！）

安装

• 安装tesserocr识别库，这之前还需要先安装tesseract；在windows中安装略显麻烦，并且容易出错；

tesseract下载地址：https://digi.bib.uni-mannheim.de/tesseract/
下载未带dev的稳定版本；

• 下载完成后，双击一路next即可，再就可以安装tesseract
  pip3 install tesserocr pillow （出错可自行百度）

实例

• 新建程序测试

import tesserocr
from PIL import Image

image = Image.open('01.jpg')# 放入图片的绝对路径
result = tesserocr.image_to_text(image)
print(result)

示例输出：nVNA

• 有些时候，这样简单的识别很容易出现错误的，这次我们拿出图片较为复杂的验证码来做实例； 示例2
• 对于这种情况，我们还需要做一下额外的处理，如转灰度、二值化等操作；
• 我们可以利用Image对象的convert（）方法参数传入L，即可将图片转化为灰度图像，代码如下：

image = image.convert("L")
image.show

• 传入“1”即可将图片进行二值化处理，代码如下:

image = image.convert("1")
image.show

• 如上的方法采用的是默认阈值的127，不过我们不能直接转化原图。要将原图先转为灰度图像，然后再指定二值化阈值，代码如下：

image = image.convert('L')
threshold = 80
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
image = image.point(table, '1')
image.show()

• 效果：

  
  效果
• 可以发现验证码的线条已经去除，这时我们再去识别验证码就非常容易了；

# 完整代码
import tesserocr
from PIL import Image

image = Image.open('01.jpg')# 放入图片的绝对路径
image = image.convert('L')
threshold = 80
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
image = image.point(table, '1')
image.show()

result = tesserocr.image_to_text(image)
print(result)

• 为了提升识别的准确率，可适当对原图进行预处理！

结语

• 除去最常见的图形验证码，现在的一些网站的验证码都更新为滑动验证码、点触验证码和宫格验证码等，识别破解的难度真的高！

  
  送上一句