20. 验证码信息识别

• OCR 即Optical Character Recognition, 光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。
• tesserocr 是Python的一个OCR识别库。GitHub：https://github.com/tesseract-ocr/tesseract

20.1 软件安装：

• 注意：在安装tesserocr前都需要先安装tesseract，具体说明如下：

pip install tesserocr #安装tesserocr  

pip install pillow # 图片处理目录

注意：

在mac下安装tesserocr ，需要先安装下面的软件
brew install tesseract --all-languages
brew install imagemagick

在：Ubuntu、Debian 系统下先安装：
sudo apt-get intall -y tesseract-ocr libtesseract-dev libleptonica-dev
在：CentOS、Red Hat 系统：
yum install -y tesseract

在windows安装tesserocr前要先安装：tesseract 他是为tesserocr提供支持的
下载目录：https://digi.bib.uni-mannheim.de/tesseract/ 会有很多下载文件，下载一个3.0版本的exe文件即可
在安装中要勾选上Additional language data(download)选项来安装OCR识别支持的语言包

20.2 具体使用：

• 简单识别验证码

#验证识别测试
import tesserocr
from PIL import Image

#打开图片
image = Image.open("./code/5.png")

#识别验证码
result = tesserocr.image_to_text(image)

print(result)

• 验证码的深度处理，如转灰度、二值化等操作

#验证识别测试
import tesserocr
from PIL import Image

image = Image.open("./code/5.png")
#将图片转化为灰度图像
image = image.convert("L")
threshold = 127
table=[]
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)
image = image.point(table,'1')
#识别验证码
result = tesserocr.image_to_text(image)

print(result)