python opencv去掉验证码干扰

原创

mob64ca12dc88a3 2024-10-20 06:51:06 ©著作权

文章标签 验证码 python OpenCV 文章分类 Python 后端开发

©著作权归作者所有：来自51CTO博客作者mob64ca12dc88a3的原创作品，请联系作者获取转载授权，否则将追究法律责任

使用 Python OpenCV 去掉验证码干扰

验证码广泛用于防止自动化工具的滥用，给开发者带来了不少挑战。在本篇文章中，我们将学习如何利用 Python 的 OpenCV 库处理验证码，使其去掉干扰，提取出有用的信息。

实现流程

在开始编写代码之前，首先需要了解整个流程。我们将整个过程分为以下步骤：

步骤	描述
1	引入所需库
2	读取验证码图片
3	图像预处理（灰度化、二值化和去噪）
4	找到轮廓
5	提取字符
6	保存和展示处理后的结果

接下来，我们将详细讲解每一个步骤及其代码实现。

第一步：引入所需库

在开始之前，需要安装 OpenCV。如果还没有安装，可以使用以下命令来安装：

pip install opencv-python

引入库的代码如下：

import cv2  # 导入OpenCV库
import numpy as np  # 导入NumPy库，用于处理数组和数学运算

第二步：读取验证码图片

首先，我们需要加载二维码的图片：

# 读取验证码图片
image_path = 'captcha.png'  # 替换为你的验证码图片路径
image = cv2.imread(image_path)  # 使用OpenCV读取图片

第三步：图像预处理

为了方便后续处理，我们需要对图像进行以下处理：

灰度化：将图片转换为灰度图，以减少信息量
二值化：将灰度图像转换为黑白图像以突出字符
去噪：使用膨胀和腐蚀操作去掉一些干扰

# 灰度化
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # 将图片转换为灰度

# 二值化
_, binary = cv2.threshold(gray, 128, 255, cv2.THRESH_BINARY_INV)  # 将灰度图像转为黑白图像

# 去噪（形态学操作）
kernel = np.ones((3, 3), np.uint8)  # 创建一个3x3的结构元素
morph = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)  # 进行闭运算以去掉小黑点

第四步：找到轮廓

我们可以用 findContours 函数来找出图像中的字符轮廓：

# 找到轮廓
contours, _ = cv2.findContours(morph, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  # 检测轮廓

第五步：提取字符

在获得轮廓后，可以逐个提取字符，并保存它们：

# 遍历轮廓并提取字符
characters = []
for contour in contours:
    x, y, w, h = cv2.boundingRect(contour)  # 获取每一个轮廓的边界框
    # 过滤掉小的轮廓（干扰）
    if w > 5 and h > 15:  # 设定宽和高的阈值
        char_img = binary[y:y+h, x:x+w]  # 提取字符图像
        characters.append(char_img)  # 将字符图像添加到列表中

第六步：保存和展示处理后的结果

最后，我们可以保存处理后的字符并展示它们：

for idx, char_img in enumerate(characters):
    cv2.imwrite(f'char_{idx}.png', char_img)  # 保存字符图片
    cv2.imshow(f'Character {idx}', char_img)  # 显示字符图片
    cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()  # 关闭所有窗口

代码总结

我们已经详尽地讨论了如何使用 Python 的 OpenCV 去掉验证码干扰。以下是完整的代码：

import cv2
import numpy as np

# 读取验证码图片
image_path = 'captcha.png'  # 替换为你的验证码图片路径
image = cv2.imread(image_path)

# 灰度化
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 二值化
_, binary = cv2.threshold(gray, 128, 255, cv2.THRESH_BINARY_INV)

# 去噪
kernel = np.ones((3, 3), np.uint8)
morph = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)

# 找到轮廓
contours, _ = cv2.findContours(morph, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 提取字符
characters = []
for contour in contours:
    x, y, w, h = cv2.boundingRect(contour)
    if w > 5 and h > 15:
        char_img = binary[y:y+h, x:x+w]
        characters.append(char_img)

# 保存和展示处理后的结果
for idx, char_img in enumerate(characters):
    cv2.imwrite(f'char_{idx}.png', char_img)
    cv2.imshow(f'Character {idx}', char_img)
    cv2.waitKey(0)
cv2.destroyAllWindows()

类图

为了理解我们实现的基本结构，这里有一个简单的类图。

classDiagram
    class ImageProcessor {
        + read_image(filepath)
        + gray_scale(image)
        + binarize(image)
        + denoise(image)
        + find_contours(image)
        + extract_characters(contours)
    }