【python】爬虫如何识别验证码之图形验证码（转灰度+二值化）

问题描述：

图形验证码一般由验证码、干扰线、干扰点组合而成，其中，验证码内容由数字和字母随机组合形成。每次切换验证码，验证码字体颜色和背景颜色可能会发生变化。

本篇博文主要使用python的tesserocr库对该验证码进行识别，因此python需已安装配置了tesserocr库，windows系统下的tesserocr库的安装与配置过程可以参考这篇博文：https://blog.csdn.net/weixin_44322399/article/details/104238742。

这里以中国知网的图形验证码为例，中国知网的验证码生成地址：http://my.cnki.net/Register/CheckCode.aspx，打开该链接后，可以看到一张图形验证码，右键保存到桌面即可。（可以多保存几张来验证代码）

 解决方法：

情况一：干扰较少

>>> import tesserocr
>>> from PIL import Image
>>> image = Image.open('1.jpg')
>>> result = tesserocr.image_to_text(image)
>>> print(result)
ge7c

 情况二：干扰较多

首先，尝试使用上列代码对上图进行OCR识别， 返回下图结果，与图形上的验证码并不相符：

>>> import tesserocr
>>> from PIL import Image
>>> image = Image.open('2.jpg')
>>> result = tesserocr.image_to_text(image)
>>> print(result)
L V5]

 由于验证码内的多余线条的干扰，需要进一步的图片处理操作。

（1）转灰度

>>> image = image.convert('L')
>>> image.show()

解释：向convert()方法中传参数L，即可将图片转化成灰度图片，如下图展示效果。

扫描二维码关注公众号，回复： 9122135 查看本文章

 （2）二值化

二值化是指将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。在灰度化的图像中灰度值的范围为0~255，在二值化后的图像中的灰度值范围是0或者255。

>>> image = image.convert('1')
>>> image.show()

 解释：向convert()方法中传参数1，可以得到二值化的图片，如下图展示效果。

 我们可以指定二值化的阈值，不过需要先将图片灰度化，图片每个像素点有了其对应的值，再与阈值进行判断。

import tesserocr
from PIL import Image

image = Image.open('2.jpg')
image = image.convert('L')

//127是0~255的中数，以127为二值化阈值
//判断小于127为0（黑色），大于127为1（白色）

threshold = 127
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
image = image.point(table,'1')

result = tesserocr.image_to_text(image).replace(" ","")
print(result)

LVcl