操屁眼的视频在线免费看,日本在线综合一区二区,久久在线观看免费视频,欧美日韩精品久久综

作者：打字的小強

識別驗證碼一直是本人想要做的事情，一直在接觸按鍵精靈，了解到有一個虹魚圖靈識別插件專門做驗證碼和圖像識別，原理就是圖片處理和制作字庫識別，制作字庫我一直覺得很麻煩，工程量太大。不管怎樣，它能夠達到我的目的，并且比機器學習，opencv是要簡單點，那我就講講這個虹魚圖靈識別插件。
先亮一下成果勾引，嘿嘿

私信小編001即可獲取大量python學習資料！

一.收集驗證碼圖片。
就找一個最常見的藍奏云的下載輸入的驗證碼。fiddler抓一下，說一下這個驗證碼特征，都是數字，1-4個數字，沒有旋轉，沒有在一行，有干擾直線，有干擾點。

找到鏈接了，接下來寫代碼，這個驗證碼圖片接口，沒有任何反爬。新建一個save_img.py，新建兩個文件夾，一個做字庫，一個做驗證集。一個100張。先爬兩百張圖片。

import requests
urls = "https://vip.d0.baidupan.com/file/imagecode.php"
 
for i in range(100):
    datas = requests.get(urls)
    with open('./verify/'+str(i)+'.png', 'wb') as file:
        file.write(datas.content)

二.處理圖片，制作字庫
預先說明，虹魚圖靈識別插件跟大漠一樣，只能用32位的python調用，建議用conda新建python3.7 32位的python虛擬環境，cmd進入環境安裝相關包，不要在pycharm安裝。
虹魚圖靈識別插件需要事先注冊到系統，下載圖靈2.82(Python公開版),里面有安裝教程，本人測試的系統為win10。

import TURING
import easygui
import cv2
 
def identi(names):
    img_data = "./pic/"+str(names)+".png"
    TURING.Pixel_FromPicture(img_data)
    im = cv2.imread(img_data)
 
    #切割圖片，保留有效的圖片
    im = im[0:30, 0:99]
    TURING.Filter_Tailor(0,0,99,30)
 
    #色調分離，將整個圖片的顏色分為幾種。下面的函數將圖片分成四種顏色分別為：0，85，170，255。將每一個點的rgb平均值放到四個區間對比。這四個區間為：0-64，64-128，128-192，192-255。落在每個區間就會固定一個顏色值，方便后面的圖像處理
    TURING.Filter_Posterization(4)
 
    #二值化，其中的參數是色階閾值，色階閾值：一個點分為rgb三個值，三個值的平均值為閾值。該函數的作用就是遍歷圖像的每一個點的rgb平均值改變點的顏色，大于閾值為白色。小于閾值為黑色，現在設置閾值為95，處理后就會變成黑白色的圖片了。
    TURING.Filter_Binaryzation("95")
 
 
    #去除雜點，現在是白底黑字，每個像素點周圍一共8個點。周圍大于8個白點是就由白變黑 ，作用就是去除孤立的顏色點
    TURING.Filter_Despeckle(8,0,0)
 
    #顏色反轉 轉前白底黑字 轉后黑底白字，只有黑底白字才能進行字符切割。
    TURING.Filter_InverseColor()
 
 
    #范圍投影字符切割，最重要的一步，非常難解釋。為插件作者獨創的算法，簡單的說一下大概的內容，如有人想仔細了解可以問作者哈哈。作用就是找到切割驗證碼的字符，識別有幾個字符，字符的范圍和位置
    #現在是黑底白字的圖片，以每一個白點為一個字符范圍起始點。字符范圍為一個矩形，需要一個終點才能圈成一個矩形，從上往下從左往右遍歷找終點，第一步就是識別這個白點的右下角的顏色如果也是白色，終點往下移動，（高度+1），如果是黑色，終點就要往右下角移動（高+1，寬+1），直到遇到圖片的邊緣或者超過設置的間隙。
    #這時候要注意一個字可能會被切成兩個部分，就要設置行間隙和列間隙。下面根據實際情況設置最小的行間隙和列間隙就是8，字符之間的間隔最少為8個像素，還可以設置其他的參數，比如矩形框的寬高范圍，不在范圍的框框拋棄
    TURING.Incise_ScopeAisle(8,8)
 
    #獲取切割后的數據，返回值是字符串比較長，每個框的數據以豎杠分割，其中一個框的數據有四個，分別是左上角的坐標，寬高，圖色數據以逗號分割，拿兩個點的數據給大家看看
    #8, 13, 8, 10, 00111111000111110110110001000110001000011000100000110011001101100111100000001100 | 30, 11, 8, 10, 00110000000011000110100001001110000100011000000001110010001101011011100001101100
    datas = TURING.Incise_GetCharData()
 
    # add_num這是要在opencv畫框的邊緣擴充參數，下面會用插件的捕獲到框框數據繪制大一點的框框來制作字庫，好看一點
    add_num = 3
 
    if len(datas)>0:
        datas_list = datas.split("|")
        for j in datas_list:
            data_lists = j.split(",")
            x1 =int(data_lists[0])-add_num  #左上角的x坐標
            y1 = int(data_lists[1])-add_num  #左上角y坐標
            x2 = int(data_lists[0]) +int(data_lists[2])+add_num  #框的寬
            y2 = int(data_lists[1])+int(data_lists[3])+add_num  #框的高
            cv2.rectangle(im,(int(x1),int(y1)),(int(x2),int(y2)),(255,0,255),1)  #繪制框框
        im = cv2.resize(im, None, fx=2.5, fy=2.5, interpolation=cv2.INTER_CUBIC)  # 圖太小了，需要寬高各乘以2.5來看下這個圖以便人工識別這個圖的數字是多少
        cv2.imshow("draw_0", im)
        cv2.moveWindow("draw_0", 800, 300)  # 移動顯示圖片的窗口，因為默認的位置遮擋了下面的輸入彈窗
        #統計識別的字符個數
        data_len = len(datas_list)
         
        #彈窗顯示原始驗證碼，顯示驗證碼的個數，輸入框人工輸入數字
        input_data = easygui.enterbox(msg="請輸入" + str(data_len) + "個字符添加進入字庫：", title=' ', default=' ', strip=True,
                                      image=img_data, root=None)
 
        for k in range(data_len):
            # 組裝字庫的內容
            data_lists = datas_list[k].split(",")
            #制作字庫
            insert_data = input_data[k] + "|" + data_lists[2] + "," + data_lists[3] + "|" + data_lists[4]
            #添加字庫數據進入字庫文件
            print("插入數據："+input_data[k] + "|" + data_lists[2] + "," + data_lists[3] + "|" + data_lists[4]  )
            with open("識別庫1.lib", 'a+') as f:
                f.write(insert_data + "\n")
        #關閉所有opencv創建的窗口
        cv2.destroyAllWindows()
    else:
 
        return
 
#遍歷所有的驗證碼
for i in range(100):
    identi(i)

三.來驗證，算一下正確率
運行的效果就是本貼第一個圖

import TURING
import easygui
def identifys(names):
    #打開圖片，同樣的處理圖片
    TURING.Pixel_FromPicture("./verify/" + str(names) + ".png")
    TURING.Filter_Tailor(0, 0, 99, 30)
    TURING.Filter_Posterization(4)
    TURING.Filter_Binaryzation("95")
    TURING.Filter_Despeckle(8, 0, 0)
    # 顏色反轉 （）轉后黑底白字，轉前白底黑字
    TURING.Filter_InverseColor()
    TURING.Incise_ScopeAisle(8, 8)
    TURING.Lib_Load("識別庫1.lib")  #加載識別字庫
    識別結果 =TURING.OCR(0, 1)  #獲取識別結果，可以設置結果格式，可以顯示相似度，和x，y坐標等等。是一個字符串，以|分割，
    result =識別結果.split("|")[0]
    #來個彈框來肉眼證明結果的準確性
    choices_data = easygui.ccbox(msg='識別結果是'+result, title=' ', choices=('True', 'false'), image="./verify/" + str(names) + ".png")
    return choices_data
suc = 0
for i in range(100):
    res = identifys(i)
    if res:
        #統計正確的數量
        suc =suc+1
print(suc)

最后總結：
弄完了賊有成就感，這種驗證碼還是有很多地方在用的，PHP框架里面好多項目都用這種驗證碼，最主要還是要了解圖像處理的原理才會融會貫通，要繼續學習繼續努力，驗證碼越來越難了。
這還是一個簡單的測試版本，驗證了100個圖片正確了91個，有的人眼分的不是很清楚，已經很可以了如果還想提高準確度，可以再加一些字庫，或者更換圖片處理方式，或者修改人眼識別庫的錯誤等等。感謝大家的欣賞，有幫助給個免費轉發哦，或者多多關注我，才是我繼續下去的動力，哈哈