Python做简单的验证码识别(ocr)

1、环境：

系统：XP

python版本：2.7.5

2、所需文件：

（1）、pillow地址：https://pypi.Python.org/pypi/Pillow/

（2）、tesseract地址：Https://GitHub.com/tesseract-ocr

（3）、pytesser地址：https://code.Google.com/p/pytesser/

3、安装

（1）、pillow和tesseract直接双击安装，没什么值得注意的。

（2）、pytesser无需安装，解压到某个文件夹，让后添加环境变量（PYTHONPATH）。比如walker的PYTHONPATH环境变量值是 C:\Python27\Lib\site-packages\pytesser_v0.0.1

注意：将pytesser_v0.0.1目录下pytesser.py第6行的import Image改为from PIL import Image

4、测试

其中图片：

3.jpg

13.jpg

5、可以看到，识别并不是很精确。可以将得到的字符串转为大写，取出可能的字符，比如上面的验证码可能的字符集为 大写字母和数字，将两个字符串的大写字母和数字取出来是可以得到正确验证码的。

6、如果发现彩×××片不能识别，可以先将其转换为黑白图片再识别。（PIL模式介绍）

from PIL import Image

p_w_picpath = Image.open(r'D:\tmp\in.jpg')
p_w_picpath = p_w_picpath.convert("1")    #转换成黑白图片  
p_w_picpath.save(r'D:\tmp\out.jpg')

推荐阅读：

1、验证码图片字符识别两种python实现方法

2、tesseract-ocr tips

3、Python图像处理库PIL的基本概念介绍。（pillow.readthedocs.io、pillow-zh-cn.readthedocs.io）

4、Python图像处理库PIL中图像格式转换（一）。

*** walker * 2014-01-20 ***