驗證碼處理之后就需要對處理的驗證碼進行識別訓練，這里用Tesseract-ocr工具進行識別，用jTessBoxeditor進行訓練生成模板。

一，對圖片進行處理

利用上一篇代碼對圖片進行降噪處理，得到較為清晰地圖片。

這里需要你在需要登入的網站中提取大量的驗證碼圖片，在獲取圖片時，查看網站的登入框是否在iframe標簽中，已經圖片是否有需要點擊輸入框才會出現，若是如此，可以用selenium中driver來跳轉iframe標簽，用點擊事件來顯示驗證碼，然后再獲取src屬性進行下載。

二，生成tif文件

在獲取一定數量驗證碼后(儲存在images中)，打開jTessBoxeditor，Tools>Merge TIFF

選擇之前保存圖片的文件，shift將文件全選，注意文件顯示的格式

之后選擇生成fift路徑以及設置名稱此處名稱要設置為這樣的格式[lang].[fontname].exp[num].tif

其中lang為語言名稱，fontname為字體名稱，num為序號，可以隨便定義。

三，生成box文件

這樣遍將多個jpg文件合成一個tif文件(可能顯示的是一個驗證碼)，然后我們需要利用tif文件來生成box文件。

再打開jTessBoxEditor(如果之前有其他好點的模板就選擇其他的，這樣自動識別的會多一點，省之后的人力)。

這一步之后就會在 tif 文件目錄下生成一個box文件，在jTessBoxEditor中打開(如圖 ↓ )

四，調整位置

如果模板較好的話會出現這樣的文件(也許位置可能沒有識別的這么準，那個就需要人工調節，記得保存，下面可以翻頁)

也有可能是這樣

如果是這樣的話，你需要用文本方式打開box文件(六列分別對應，值，位置*4，頁碼值-1)，我們需要創建的1~7頁的那四行，隨便找四行復制一下，然后改一下頁碼，沒有框的幾個驗證碼有了，然后再調整位置。(注意最后的一列為? 頁碼數-1 )

在調整完所有驗證碼后，在tif文件目錄下建立一個新建名為下xxx.font_properties的文本文件(xxx與自定義語言名稱相同)內容為 font 0 0 0 0 0

之后再去txt后綴

五，訓練

這樣 tif，box，font_properties文件都有了，就可以生成模板了

訓練完之后就在tif文件下生成了tessdata文件夾，里面便是訓練完成模板mob.traineddata，將模板移動到Tesseract—ocr>tessdata目錄下，這樣便可以用Tesseract-ocr識別驗證碼

from PIL importImagefrom pytesseract import *

from fnmatch importfnmatchfrom queue importQueueimportmatplotlib.pyplot as pltimportcv2importtimeimportosdefclear_border(img,img_name):'''去除邊框'''h, w= img.shape[:2]for y inrange(0, w):for x inrange(0, h):#if y ==0 or y == w -1 or y == w - 2:

if y < 4 or y > w -4:

img[x, y]= 255

#if x == 0 or x == h - 1 or x == h - 2:

if x < 4 or x > h - 4:

img[x, y]= 255

returnimgdefinterference_line(img, img_name):'''干擾線降噪'''h, w= img.shape[:2]#！！！opencv矩陣點是反的

#img[1,2] 1:圖片的高度，2：圖片的寬度

for r in range(0,2):for y in range(1, w - 1):for x in range(1, h - 1):

count=0if img[x, y - 1] > 245:

count= count + 1

if img[x, y + 1] > 245:

count= count + 1

if img[x - 1, y] > 245:

count= count + 1

if img[x + 1, y] > 245:

count= count + 1

if count > 2:

img[x, y]= 255

returnimgdef interference_point(img,img_name, x = 0, y =0):"""點降噪

9鄰域框,以當前點為中心的田字框,黑點個數

:param x:

:param y:

:return:"""

#todo 判斷圖片的長寬度下限

cur_pixel = img[x,y]#當前像素點的值

height,width = img.shape[:2]for y in range(0, width - 1):for x in range(0, height - 1):if y == 0: #第一行

if x == 0: #左上頂點,4鄰域

#中心點旁邊3個點

sum =int(cur_pixel) \+ int(img[x, y + 1]) \+ int(img[x + 1, y]) \+ int(img[x + 1, y + 1])if sum <= 2 * 245:

img[x, y]=0elif x == height - 1: #右上頂點

sum =int(cur_pixel) \+ int(img[x, y + 1]) \+ int(img[x - 1, y]) \+ int(img[x - 1, y + 1])if sum <= 2 * 245:

img[x, y]=0else: #最上非頂點,6鄰域

sum = int(img[x - 1, y]) \+ int(img[x - 1, y + 1]) \+int(cur_pixel) \+ int(img[x, y + 1]) \+ int(img[x + 1, y]) \+ int(img[x + 1, y + 1])if sum <= 3 * 245:

img[x, y]=0elif y == width - 1: #最下面一行

if x == 0: #左下頂點

#中心點旁邊3個點

sum =int(cur_pixel) \+ int(img[x + 1, y]) \+ int(img[x + 1, y - 1]) \+ int(img[x, y - 1])if sum <= 2 * 245:

img[x, y]=0elif x == height - 1: #右下頂點

sum =int(cur_pixel) \+ int(img[x, y - 1]) \+ int(img[x - 1, y]) \+ int(img[x - 1, y - 1])if sum <= 2 * 245:

img[x, y]=0else: #最下非頂點,6鄰域

sum =int(cur_pixel) \+ int(img[x - 1, y]) \+ int(img[x + 1, y]) \+ int(img[x, y - 1]) \+ int(img[x - 1, y - 1]) \+ int(img[x + 1, y - 1])if sum <= 3 * 245:

img[x, y]=0else: #y不在邊界

if x == 0: #左邊非頂點

sum = int(img[x, y - 1]) \+int(cur_pixel) \+ int(img[x, y + 1]) \+ int(img[x + 1, y - 1]) \+ int(img[x + 1, y]) \+ int(img[x + 1, y + 1])if sum <= 3 * 245:

img[x, y]=0elif x == height - 1: #右邊非頂點

sum = int(img[x, y - 1]) \+int(cur_pixel) \+ int(img[x, y + 1]) \+ int(img[x - 1, y - 1]) \+ int(img[x - 1, y]) \+ int(img[x - 1, y + 1])if sum <= 3 * 245:

img[x, y]=0else: #具備9領域條件的

sum = int(img[x - 1, y - 1]) \+ int(img[x - 1, y]) \+ int(img[x - 1, y + 1]) \+ int(img[x, y - 1]) \+int(cur_pixel) \+ int(img[x, y + 1]) \+ int(img[x + 1, y - 1]) \+ int(img[x + 1, y]) \+ int(img[x + 1, y + 1])if sum <= 4 * 245:

img[x, y]=0returnimgdef_get_dynamic_binary_image(filedir,img_name):'''自適應閥值二值化'''filename= './easy_code/' + img_name.split('.')[0] + '-binary.jpg'img_name= filedir + '/' +img_name

im=cv2.imread(img_name)

im=cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

th1= cv2.adaptiveThreshold(im, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 21, 1)returnth1defrecognize():

i=0

filedir= './images' #驗證碼路jing

for file inos.listdir(filedir):if fnmatch(file, '*.jpg'):

img_name=file#自適應閾值二值化

im =_get_dynamic_binary_image(filedir,img_name)#去除邊框

im =clear_border(im,img_name)#對圖片進行干擾線降噪

im =interference_line(im,img_name)#對圖片進行點降噪

im =interference_point(im,img_name)#easy_code為圖片清理后保存路徑

filename = './easy_code/' + img_name.split('.')[0] + '-interferencePoint.jpg'cv2.imwrite(filename,im)#'mob'為模板

str_img = pytesseract.image_to_string(im, lang='mob')

code= str_img.encode("GBK","ignore").decode('GBK')if code.replace(' ','') == img_name.split('.')[0]:

i= i + 1

print(code)print('---' +str(i))

recognize()

View Code

fromPIL import Imagefrom pytesseract import *

fromfnmatch import fnmatchfromqueue import Queue

import matplotlib.pyplotasplt

import cv2

import time

import os

def clear_border(img,img_name):'''去除邊框

'''h, w= img.shape[:2]for y in range(0, w):for x in range(0, h):

#if y ==0 or y == w -1 or y == w - 2:if y < 4 or y > w -4:

img[x, y]= 255#if x == 0 or x == h - 1 or x == h - 2:if x < 4 or x > h - 4:

img[x, y]= 255

returnimg

def interference_line(img, img_name):'''干擾線降噪'''h, w= img.shape[:2]

# ！！！opencv矩陣點是反的

# img[1,2] 1:圖片的高度，2：圖片的寬度for r in range(0,2):for y in range(1, w - 1):for x in range(1, h - 1):

count= 0

if img[x, y - 1] > 245:

count= count + 1

if img[x, y + 1] > 245:

count= count + 1

if img[x - 1, y] > 245:

count= count + 1

if img[x + 1, y] > 245:

count= count + 1

if count > 2:

img[x, y]= 255

returnimg

def interference_point(img,img_name, x= 0, y = 0):"""點降噪

9鄰域框,以當前點為中心的田字框,黑點個數

:param x:

:param y:

:return:"""# todo 判斷圖片的長寬度下限

cur_pixel=img[x,y]# 當前像素點的值

height,width= img.shape[:2]for y in range(0, width - 1):for x in range(0, height - 1):if y == 0: # 第一行if x == 0: # 左上頂點,4鄰域

# 中心點旁邊3個點

sum= int(cur_pixel) \+ int(img[x, y + 1]) \+ int(img[x + 1, y]) \+ int(img[x + 1, y + 1])if sum <= 2 * 245:

img[x, y]= 0elif x== height - 1: # 右上頂點

sum= int(cur_pixel) \+ int(img[x, y + 1]) \+ int(img[x - 1, y]) \+ int(img[x - 1, y + 1])if sum <= 2 * 245:

img[x, y]= 0

else: # 最上非頂點,6鄰域

sum= int(img[x - 1, y]) \+ int(img[x - 1, y + 1]) \+ int(cur_pixel) \+ int(img[x, y + 1]) \+ int(img[x + 1, y]) \+ int(img[x + 1, y + 1])if sum <= 3 * 245:

img[x, y]= 0elif y== width - 1: # 最下面一行if x == 0: # 左下頂點

# 中心點旁邊3個點

sum= int(cur_pixel) \+ int(img[x + 1, y]) \+ int(img[x + 1, y - 1]) \+ int(img[x, y - 1])if sum <= 2 * 245:

img[x, y]= 0elif x== height - 1: # 右下頂點

sum= int(cur_pixel) \+ int(img[x, y - 1]) \+ int(img[x - 1, y]) \+ int(img[x - 1, y - 1])if sum <= 2 * 245:

img[x, y]= 0

else: # 最下非頂點,6鄰域

sum= int(cur_pixel) \+ int(img[x - 1, y]) \+ int(img[x + 1, y]) \+ int(img[x, y - 1]) \+ int(img[x - 1, y - 1]) \+ int(img[x + 1, y - 1])if sum <= 3 * 245:

img[x, y]= 0

else: # y不在邊界if x == 0: # 左邊非頂點

sum= int(img[x, y - 1]) \+ int(cur_pixel) \+ int(img[x, y + 1]) \+ int(img[x + 1, y - 1]) \+ int(img[x + 1, y]) \+ int(img[x + 1, y + 1])if sum <= 3 * 245:

img[x, y]= 0elif x== height - 1: # 右邊非頂點

sum= int(img[x, y - 1]) \+ int(cur_pixel) \+ int(img[x, y + 1]) \+ int(img[x - 1, y - 1]) \+ int(img[x - 1, y]) \+ int(img[x - 1, y + 1])if sum <= 3 * 245:

img[x, y]= 0

else: # 具備9領域條件的

sum= int(img[x - 1, y - 1]) \+ int(img[x - 1, y]) \+ int(img[x - 1, y + 1]) \+ int(img[x, y - 1]) \+ int(cur_pixel) \+ int(img[x, y + 1]) \+ int(img[x + 1, y - 1]) \+ int(img[x + 1, y]) \+ int(img[x + 1, y + 1])if sum <= 4 * 245:

img[x, y]= 0

returnimg

def _get_dynamic_binary_image(filedir,img_name):'''自適應閥值二值化''' filename = './easy_code/' + img_name.split('.')[0] + '-binary.jpg'img_name= filedir + '/' +img_name

im=cv2.imread(img_name)

im=cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

th1= cv2.adaptiveThreshold(im, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 21, 1)returnth1

def recognize():

i= 0filedir= './images'#驗證碼路jingfor file inos.listdir(filedir):if fnmatch(file, '*.jpg'):

img_name=file

# 自適應閾值二值化

im=_get_dynamic_binary_image(filedir,img_name)

# 去除邊框

im=clear_border(im,img_name)

# 對圖片進行干擾線降噪

im=interference_line(im,img_name)

# 對圖片進行點降噪

im=interference_point(im,img_name)

# easy_code為圖片清理后保存路徑

filename= './easy_code/' + img_name.split('.')[0] + '-interferencePoint.jpg'cv2.imwrite(filename,im)

#'mob'為模板

str_img= pytesseract.image_to_string(im, lang='mob')

code= str_img.encode("GBK","ignore").decode('GBK')if code.replace('

查閱過的博客：

總結

以上是生活随笔為你收集整理的python 验证码识别训练_Python爬虫笔记【一】模拟用户访问之Tesseract-ocr验证码训练（5）...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。