Python项目实战篇之常用验证码标注识别
发布时间：2021-11-05 15:47:14 所属栏目：语言 来源：互联网
导读：大家好，我是Snowball。 一、前言 上一篇文章小编给大家讲解了需求分析和实现思路，Python项目实战篇常用验证码标注和识别(需求分析和实现思路)，这篇文章继续沿着上一篇文章的内容，给大家讲解下数据采集/预处理/字符图切割内容。 二、数据采集 数据采集：根
|
大家好，我是Snowball。 一、前言 上一篇文章小编给大家讲解了需求分析和实现思路，Python项目实战篇——常用验证码标注和识别(需求分析和实现思路)，这篇文章继续沿着上一篇文章的内容，给大家讲解下数据采集/预处理/字符图切割内容。 二、数据采集 数据采集：根据图片验证码链接进行批量下载图片，最开始时下载个20张先进行手动改文件名进行标注，下载这块代码编写不难，这里不贴代码了，见image_download.py文件。 三、预处理 预处理：根据需求分析中的字符切割描述，针对笔者的图片验证码案例情况，需要先进行常规验证码图片预处理，预处理通过OpenCV库实现，处理过程为： 原始图->灰度图->中值滤波->二值化->轮廓检测绘制(部分情况才可以加)->字符切割填充 大概过程功能简单描述如下，详细原理可以参考OpenCV相关文章和视频，引用链接： [3.OpenCV文章专栏](https://blog.csdn.net/yukinoai/category_9283880.html) [4.OpenCV-Python视频](https://www.bilibili.com/video/BV1tb4y1C7j7) 原始图(RGB)转灰度图：去除颜色信息，减少图片大小，单通道值方便滤波处理。读者可以脑洞一下，不去除颜色信息，能提取到指定字符颜色的轮廓吗? 灰度图中值滤波：进行噪音去除，取中间像素平均值 二值化：只留下0、255二种值，方便轮廓检测 轮廓检测：这一步主要用于提取字符轮廓矩形坐标，不适合字符挨得特别紧的情况 字符切割填充：根据生成的字符轮廓图片矩形坐标进行切割再填充对齐到指定宽高 具体执行效果如下： 下面是预处理过程部分核心代码，详细代码见image_split.py文件。 def pre_process_image(img, file_name): # 去除边缘 img = img[2:-2, 2:-2] # print(img.shape) #得到灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # show("gray", gray) #去除噪音 blur = cv2.medianBlur(gray, 3) # show("blur", blur) temp = gray.mean().item() #二值化 ret, threshold = cv2.threshold(blur, temp, 255, cv2.THRESH_BINARY) # show("threshold", threshold) #保存二值化图片 if IS_SAVE_FILE: cv2.imwrite(DST_IMG_DIR + file_name + "_threshold.png", threshold) return threshold 执行图片预处理程序后具体效果图1-3如下： 轮廓检测绘制结果1： 根据图片轮廓进行字符切割结果2： 根据字符切割图片进行文件分类结果3： 以上就是字符图片切割的全部过程了，核心过程代码如下： def split_image(file_path): file_name = get_file_name(file_path) img = read_image(file_path) #验证码预处理 threshold = pre_process_image(img, file_name) #查找轮廓边界列表 contours = find_counters(threshold) #过滤合适的轮廓矩形列表 rect_list,result_rect = get_filter_rect(contours, img, file_name) #分割矩形图片 return split_rect_img(file_path, threshold, rect_list, result_rect) 详细代码可以阅读源码，这里说一下这个过程中笔者编写预处理代码遇到的几个问题： 部分图片轮廓检测可以检测到多个轮廓，部分图片只有1-2个轮廓，部分可能一个轮廓都没有，这里代码进行了相应的调整处理，比如过滤大的外部轮廓和较小的内部轮廓，根据剩下的轮廓进行坐标排序，根据部分坐标得到所有字符轮廓 得到4个字符轮廓图片后，每个图片大小不一致，需要进行大小补齐，这个宽高参数需要根据数据集进行调整 以上就是数据采集/预处理的实现过程了，这里稍微说下学习OpenCV相关知识过程的情况，笔者是采用文章+视频间断性学习，大概是20-40个小时左右，然后再开始写具体字符图片切割的代码，读者可根据自己的时间安排学习速度，建议工具类的东西是快速学习，现学现用。好的，接下来介绍高效率、可复用的通用图片验证码数据标注功能实现。 四、总结 我是Snowball。上一篇文章给大家分享了，Python项目实战篇——常用验证码标注和识别(需求分析和实现思路)，这篇内容主要讲解了常用验证码标注&识别的数据采集/预处理的实现过程。下一篇文章，小编给大家介绍高效率、可复用的通用图片验证码数据标注功能实现。 小伙伴们，快快用实践一下吧!如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。 （编辑：武汉站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
