前言：
最近写爬虫会经常遇到一些验证码识别的问题，现如今的验证码已经是五花八门，刚开始的验证码就是简单的对生成的验证码图片进行一些干扰，但是随着计算机视觉库的 发展壮大，可以轻松解决简单的验证码识别问题，于是一些变态 的验证码就出来了，什么滑动验证码，当然这个也是比较好解决的，用python的selenium库就可以破解一些滑动验证码。可是还出现了一些语音类，点击类的验证码。爬虫与反爬的较量确实越来越精彩了，也挺有趣的！最终促进的是整个行业技术的发展与进步。
今天分享一个可以解决简单验证码识别的代码。
图片:
图像灰度化处理
import cv2
import numpy as np
img = cv2.imread('./picture/1.jpg')
#将图片灰度化处理,降维,加权进行灰度化c
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow('min_gray',gray)
cv2.waitKey(0)
cv2.destroyAllWindows()
效果:
图像二值化处理
t,gray2 = cv2.threshold(gray,220,255,cv2.THRESH_BINARY)
cv2.imshow('threshold',gray2)
cv2.waitKey(0)
cv2.destroyAllWindows()
效果:
8领域过滤
def remove_noise(img,k=4):
img2 = img.copy()
# img处理数据，k过滤条件
w,h = img2.shape
def get_neighbors(img3,r,c):
count = 0
for i in [r-1,r,r+1]:
for j in [c-1,c,c+1]:
if img3[i,j] > 10:#纯白色
count+=1
return count
# 两层for循环判断所有的点
for x in range(w):
for y in range(h):
if x == 0 or y == 0 or x == w -1 or y == h -1:
img2[x,y] = 255
else:
n = get_neighbors(img2,x,y)#获取邻居数量，纯白色的邻居
if n > k:
img2[x,y] = 255
return img2
result = remove_noise(gray2)
cv2.imshow('8neighbors',result)
cv2.waitKey(0)
cv2.destroyAllWindows()
过滤后的效果:
代码整合：
import cv2
import numpy as np
img = cv2.imread('./picture/1.jpg')
#将图片灰度化处理,降维,加权进行灰度化c
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
t,gray2 = cv2.threshold(gray,200,255,cv2.THRESH_BINARY)
cv2.imshow('threshold',gray2)
result = remove_noise(gray2)
cv2.imshow('8neighbors',result)
cv2.waitKey(0)
cv2.destroyAllWindows()
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。
京公网安备 11010802040832号 | 京ICP备19059560号-6 