python对验证码降噪的实现示例代码
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我们。
赞 (0)