Python--pytesseract验证码识别处理实例

(linux-ubuntu系统)

安装过程

pytesser 调用了 tesseract，因此需要安装 tesseract，安装 tesseract 需要安装 leptonica，否则编译tesseract 的时候出现 "configure: error: leptonica not found"。

sudo apt-get install tesseract-ocr</span>

之后利用pip安装pytesseract的包

sudo pip install pytesseract

就可以使用了.

windows系统可以参考 http://blog.csdn.net/evankaka/article/details/49533493 这篇博客就OK了.

也可以参考 https://www.quora.com/How-do-I-use-PyTesser-and-Tesseract-OCR-in-Ubuntu-with-Python

原理：

验证码图像处理
验证码图像识别技术主要是操作图片内的像素点,通过对图片的像素点进行一系列的操作,最后输出验证码图像内的每个字符的文本矩阵。
1、读取图片
2、图片降噪
3、图片切割
4、图像文本输出

（2）验证字符识别
验证码内的字符识别主要以机器学习的分类算法来完成,目前我所利用的字符识别的算法为KNN(K邻近算法)和SVM (支持向量机算法),后面我 会对这两个算法的适用场景进行详细描述。
1、获取字符矩阵
2、矩阵进入分类算法
3、输出结果

要验证的图片如下：

import pytesseract  import Image  image = Image.open('1.jpg')   print pytesseract.image_to_string(image)

结果如下

Python 2.7.9 (default, Apr  2 2015, 15:33:21)   [GCC 4.9.2] on linux2  Type "copyright", "credits" or "license()" for more information.  ==== No Subprocess ====  >>>   1201  >>>

也可以使用复杂一点的,上面的只能对一些比较简单的做处理
原理：彩色转灰度，灰度转二值，二值图像识别

# 验证码识别，此程序只能识别数据验证码  import Image    import ImageEnhance    import ImageFilter    import sys    from pytesseract import *  # 二值化    threshold = 140    table = []    for i in range(256):        if i < threshold:            table.append(0)        else:            table.append(1)        #由于都是数字    #对于识别成字母的 采用该表进行修正    rep={'O':'0',        'I':'1','L':'1',        'Z':'2',        'S':'8'        };        def  getverify1(name):              #打开图片        im = Image.open(name)        #转化到灰度图      imgry = im.convert('L')      #保存图像      imgry.save('g'+name)        #二值化，采用阈值分割法，threshold为分割点       out = imgry.point(table,'1')        out.save('b'+name)        #识别        text = image_to_string(out)        #识别对吗        text = text.strip()        text = text.upper();          for r in rep:            text = text.replace(r,rep[r])         #out.save(text+'.jpg')        print text        return text    getverify1('1.jpg')  #注意这里的图片要和此文件在同一个目录，要不就传绝对路径也行