使用PyTesser破解简单验证码

Question

我正在使用PyTesser来破解一个验证码。 PyTesser使用tesseract Python ocr库。在将图像放入PyTesser之前，我会使用一些过滤器。我的代码逐步如下： 输入图像为：

from PIL import Image
img = Image.open('1.gif')
img = img.convert("RGBA")
pixdata = img.load()
# Clean the background noise, if color != black, then set to white.
for y in xrange(img.size[1]):
    for x in xrange(img.size[0]):
        if pixdata[x, y][0] < 90:
         pixdata[x, y] = (0, 0, 0, 255)

for y in xrange(img.size[1]):
    for x in xrange(img.size[0]):
     if pixdata[x, y][2] < 136:
         pixdata[x, y] = (0, 0, 0, 255)

for y in xrange(img.size[1]):
    for x in xrange(img.size[0]):
        if pixdata[x, y][3] > 0:
            pixdata[x, y] = (255, 255, 255, 255)


img.save("input-black.gif", "GIF")

应用此代码后的输出结果如下：

现在，

im_orig = Image.open('input-black.gif')
big = im_orig.resize((116, 56), Image.NEAREST)

ext = ".tif"
big.save("input-NEAREST" + ext)

在这段代码片段之后，输出的图像如下：

最后，当我应用这个

from pytesser import *
image = Image.open('input-NEAREST.tif')
print image_to_string(image)

我得到的输出是%/ww

请帮我找到正确的结果。

如果我使用这些图像，此代码可以成功识别字母。

- Moshi

---

你在易于识别的图像上测试过吗？PyTesser需要训练吗？ - BlamKiwi

我测试了一些图片，它们被成功识别了。 - Moshi

那么也许这就是它认为图像的内容。 - BlamKiwi

我认为问题在于我的验证码中有额外的折线。但是我该如何去掉这些折线，以便只留下字母图片并将其放入 pytesser 中呢？ - Moshi

只是随便提出一个疯狂的想法...你可以从左边开始，一直找到右边的黑色像素路径（深度优先搜索算法）。重复此过程，直到没有更多的路径为止？但这会影响字母。而且可能需要大量计算。 - Vincent Ketelaars

也许你可以创建一些样本，因为所有这些验证码都很相似。然后使用样本进行比较。 - Fernando Freitas Alves

Answer 1

在执行验证码识别之前，您需要执行一些基本的形态学图像操作以消除线条。尝试结合使用ndimage.binary_erosion和ndimage.binary_dilation。

- BigDataSaurius